Benchmarktau-squared-bench / τ²-Bench Telecom
τ²-Bench
一个用于评估工具型LLM智能体在现实场景中任务完成能力的基准测试，包含电信等子集，考察智能体在多轮工具调用中的准确率与效率
Timeline (last 90 days)
Oct 5
论文在τ²-Bench多轮交互评测基准上验证了CUE的效果
Unverified50%
Oct 5
相比其他基于人格的模拟方法，经过CUE校准的模拟器产生更少的模拟器自身错误（假失败）
Unverified50%
Oct 5
CUE的实验以τ²-Bench为主要舞台、拟合数据以客服交互为主，其在医疗、法律等更专业领域的校准效果仍有待后续验证
Unverified50%
Oct 5
τ²-Bench是专为多轮任务导向对话设计的评测基准，以任务最终成功与否作为核心指标并记录完整对话轨迹
Unverified50%