待验证50% 置信事实精确时间
τ-bench 是 Sierra 团队提出的 Agent 评测基准，用于衡量「工具-智能体-用户」三方交互场景下模型对政策的遵从度，包含航空客服与零售电商客服两个领域。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证AgentBench是针对LLM Agent的新一代基准，从工具使用准确率、多轮对话连贯性、跨场景泛化能力等多维度评估模型表现65% 相似待验证Terminal-Bench 属于交互式Agent基准测试家族，与SWE-bench、WebArena等评测共同构成AI Agent能力的多维评估体系64% 相似待验证Agentic Benchmark（智能体基准评测）旨在评估模型在开放、长时程、多目标环境中的自主表现63% 相似待验证在 Product Hunt 上，Sierra 将 Multimodal Agents 归入 Customer Success 与 Artificial Intelligence 两大类别63% 相似待验证τ-bench 的每个任务附带域政策文档，规定退款、改签、换货的条件，Agent 需在多轮对话中满足用户诉求且不违反政策；评测指标包括任务成功率和政策违规率。62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1007498API
curl https://kongchang.com/api/v1/knowledge/claims/1007498MCP
get_claim(id=1007498)