三榜第一

近日，阿里云 AIDBS Data Agent 在 BIRD-CRITIC-1.0-Open、 DAB、 BIRD-INTERACT 三项公开评测中均位列第一。

其中， BIRD-CRITIC-1.0-Open 继今年 1 月首 次登顶后，近期二刷以 52.28% 的 SR （任务成功率）再次登顶；在 DAB 默认榜单中以 88.2% 的 Pass@1 位列第一；在 BIRD-INTERACT 全部 600 项动态交互任务中，以 42.33% 的任务成功率在 Stress Mode、Full、a-Interact 三个筛选榜单上均排名第一。

这三项评测均出自全球顶级研究团队： BIRD 系列由香港大学研究者领衔的 BIRD Team 构建，其中 BIRD-CRITIC、BIRD-INTERACT 与 Google Cloud 联合出品，相关成果先后入选 NeurIPS 与 ICLR 两大 AI 顶会， 是 Text-to-SQL 领域最具影响力的基准家族之一； DAB 由 UC Berkeley EPIC Data Lab 与 Hasura 联合推出， 是首 个针对真实数据环境中分散、异构数据挑战的 Data Agent 基准。更重要的是难度：在 BIRD-CRITIC 上，o3-mini、DeepSeek-R1 等最强推理模型得分均未超过 35 分；在 BIRD-INTERACT 上，GPT-5 的任务完成率不足两成。正因如此，三项榜首的成绩才足够有分量。

三项评测，考察的是 Data Agent 的三种"真功夫"

能同时拿下三项第一，含金量首先要从评测本身说起。三项评测分别对应 Data Agent 的三种核心能力，恰好构成企业使用中最关心的一条任务链路： 能否答对、能否执行完成、能否诊断修复。

BIRD-CRITIC 关注真实数据库应用中的 SQL 诊断与修复。其 Open 版本包含 570 项任务，覆盖 PostgreSQL、MySQL、SQL Server 和 Oracle 四类主流 SQL 方言，要求 Agent 定位 SQL 问题、修复并验证，而非仅完成简单查询。考察的是 Agent 对数据库系统的深度理解。

DAB（Data Agent Benchmark） 面向复杂、真实世界的数据任务，覆盖 9 个领域、12 个数据集、54 道查询任务，横跨 PostgreSQL、MongoDB、SQLite 和 DuckDB 四类数据库系统，以 Pass@1 考察首 次提交答案的正确率——没有反复试错的机会，考察的是"一次做对"的硬实力。

BIRD-INTERACT 则将 Text-to-SQL 放进动态交互环境：用户模拟器持续追加要求、调整参数，Agent 需要在 600 项任务的完整交互中判断当前状态、正确调用工具、执行数据库操作并确认任务完成，考察的是多轮交互中的动态执行能力。

三项成绩的任务环境与指标定义各不相同，却共同指向一个事实： 从单轮问答到多轮交互，从结果正确到过程可靠，AIDBS Data Agent 在每个环节都经受住了考验。

从“会答题”到“能交付”，AIDBS 靠的是这套体系

榜单成绩的背后，是 AIDBS 面向企业真实场景构建的一整套协同能力。它不是在模型外面套一层提示词，而是把数据使用、业务语义、任务执行和结果校验连成一条链路，让 Agent 真正"进入业务"。

• Data Agent for DAS： 让资产建设从真实使用出发。从数据库审计日志中识别高频使用的字段和表，找到企业值得优先梳理的数据资产，让 Agent 依赖的业务事实建设有的放矢，而不是从零摸索。
• AIDBS Ontology： 为 Agent 构建可依赖的业务事实。它把数据语义、业务概念、业务流程和可信操作组织成 Agent 可依赖的业务事实。当业务提出"上月销售额为什么下降"，Agent 知道的不只是字段名，而是每个指标背后的业务口径与计算逻辑。
• Data Agent Harness： 让复杂分析有计划、有执行依据、有验收。围绕目标契约做计划、调度、执行和校验，最终交付的不仅是分析结论，还包括产物来源与执行证据，每一份结果都可追溯、可核验。

在 DAS 提供的使用线索之上，Ontology 解决的是“Agent 凭什么判断”，Harness 解决的是“怎么把判断变成可交付的结果”。模型负责推理，Ontology 提供事实，Harness 负责调度、执行和验收，三者共同把一次分析从“看起来对”推到“可以验收”。

这也是 AIDBS 作为 AI 原生数据库服务的价值所在：数据库不只提供存储和计算，还把企业理解业务、使用数据、执行任务所需的事实和约束，整理成 Agent 可以直接使用的能力。

从榜单到产业：Data Agent 的下一站

从复杂数据任务的首 次答对，到动态交互的持续执行，再到 SQL 问题的诊断修复，三项榜单第一的背后，是 AIDBS Data Agent 从“回答问题”走向“完成任务”的能力沉淀。

榜单之外，更重要的变化正在发生：当 Agent 能够理解业务口径、执行受控操作并交付可追溯的结果，数据分析将从少数人的专业技能，逐步成为企业里人人可用的生产力。阿里云 AIDBS 将继续围绕可信事实与执行闭环深化 Data Agent 能力，让更多企业在自己的数据环境中，把分析这件事真正交给 Agent 完成。

想亲手试试 Data Agent 的数据洞察能力？

阿里云AI原生数据库服务的 Data Agent 现已开放免费体验，每天 30 分钟 ，上传你的业务数据即可一键启动智能分析洞察——无需部署、无需写代码、开箱即用。

想体验更丰富的能力？ 首月特惠仅需9.9元 ，即可享一个月 无时长限制的分析，每个席位支持3个任务并行！

了解产品详情： https://help.aliyun.com/zh/dms/data-agent-for-analytics

点击链接，立即开始你的第一轮数据洞察吧： https://aidbs.console.aliyun.com/agent/data-agent

欢迎钉钉扫描下方二维码加入用户交流群

钉群二维码