APEX–Agents هو معيار تقييم للمهام المتخصصة للوكلاء (Agents)، أطلقته Mercor في عام 2026. تُعرض النتائج البحثية ذات الصلة في «APEX–Agents»، ويهدف المعيار إلى تقييم قدرة وكلاء الذكاء الاصطناعي على تنفيذ مهام الخدمات المهنية طويلة المدى وعبر التطبيقات.

تتضمن مجموعة البيانات 480 مهمة تغطي ثلاثة مجالات مهنية متخصصة: بنك الاستثمار، والاستشارات الإدارية، والقانون المؤسسي. تتطلب المهام من الوكلاء إكمال مهام معقدة في بيئات عمل واقعية تشمل المستندات، وجداول البيانات، وملفات PDF، والبريد الإلكتروني، والدردشة، والتقويم، ويتم تقييمها باستخدام قواعد تقييم موحدة.

تكوين مجموعة البيانات

تتضمن مجموعة البيانات بشكل أساسي المجالات المهنية الثلاثة التالية:

• بنك الاستثمار (Investment Banking): إجمالي 160 مهمة، و10 بيئات عالمية؛
• الاستشارات الإدارية (Management Consulting): إجمالي 160 مهمة، و11 بيئة عالمية؛
• القانون (Law): إجمالي 160 مهمة، و12 بيئة عالمية.

تتضمن كل مهمة بشكل أساسي المحتوى التالي:

• Prompt: تعليمات المهمة المقدمة للوكيل؛
• Rubric: قواعد تقييم موحدة لتقييم إكمال المهمة؛
• Gold Output: مخرجات مرجعية أنشأها خبراء؛
• Metadata: بيانات وصفية تشمل نوع المهمة، وسير العمل، وتنسيق المخرجات، والوقت المتوقع للإكمال؛
• World Context: بيئة العمل المرتبطة بالمهمة، والملفات، والموارد الأخرى.

Citation

@misc{vidgen2026apexagents,
  title        = {APEX--Agents},
  author       = {Vidgen, Bertie and Mann, Austin and Fennelly, Abby and Wright Stanly, John and Rothman, Lucas and Burstein, Marco and Benchek, Julien and Ostrofsky, David and Ravichandran, Anirudh and Sur, Debnil and Venugopal, Neel and Hsia, Alannah and Robinson, Isaac and Huang, Calix and Varones, Olivia and Khan, Daniyal and Haines, Michael and Richards, Zach and Mahapatra, Chirag and Foody, Brendan and Nitski, Osvald},
  year         = {2026},
  howpublished = {arXiv},
  url          = {https://arxiv.org/pdf/2601.14242}
}