★ 4
ττ-Bench:面向端到端真实智能体构建的基准环境
研究推出τ^τ-bench基准,测试编码代理在真实客户参与条件下构建完整客服代理的能力。最强配置Claude Opus 5在Claude Code下仅通过23.9%的模拟,而专家参考上限为82.2%,揭示当前代理在深度理解、沟通和实验方面的不足。
arXiv cs.AI56 天前
共 5 篇相关资讯,按重要度与时间排序,每 3 小时更新。
研究推出τ^τ-bench基准,测试编码代理在真实客户参与条件下构建完整客服代理的能力。最强配置Claude Opus 5在Claude Code下仅通过23.9%的模拟,而专家参考上限为82.2%,揭示当前代理在深度理解、沟通和实验方面的不足。
作者讲述在 CVS 被店员擅自开通会员订阅、网站取消无果、电话客服遭遇机器人循环推诿的经历,最终只能在 X 上公开投诉才获回应。文章指出企业把客服当成本中心压缩,Forrester 客户体验指数连续四年下滑,77% 美国消费者过去一年遭遇重大产品或服务问题。
Anima 基于 OpenAI 的 GPT-6 与 GPT-Live 模型扩展了医疗团队的接诊能力,使诊所电话等待时间下降 75%。该案例展示了对话式 AI 在医疗前台与患者沟通场景中的落地效果。
前 HubSpot 高管撰文指出传统 CRM 建立在割裂数据之上,AI Agent 正推动 CRM 向「软件即服务」转变,客户按结果付费而非按席位付费。文章预测到 2029 年 Agentic AI 将自主解决 80% 的常见服务问题。
Twilio 战略与运营总监 Sidharth Ramsinghaney 阐述如何用 AI 打通电话、短信与聊天机器人,打造无缝客户体验。他强调,即便 AI 普及,对客户的极致关注仍是创新的核心。