待验证50% 置信事实精确时间

tau-bench 是由斯坦福大学等机构提出的智能体评测基准，针对工具辅助代理在真实数据库交互场景下的可靠性评估

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

生产环境AI智能体去留决策：如何衡量价值与管控风险

涉及实体

tau-benchproduct Stanford Universitycompany

相关事实

待验证tau-bench 基准测试关注智能体是否达到预期的数据库状态，并要求在多次重复尝试中稳定成功77% 相似待验证HELM（斯坦福）从准确性、校准度、鲁棒性等多维度综合评估模型68% 相似已验证智能体评估的主流方案包括LLM-as-Judge、轨迹匹配和结果验证65% 相似待验证RAGAS专注于RAG系统评估，提供忠实度、答案相关性等指标；TruLens提供可解释性追踪和反馈函数65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/943359

API

curl https://kongchang.com/api/v1/knowledge/claims/943359

MCP

get_claim(id=943359)