★ 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 1 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。