基准tau-bench扩展版本
τ³
tau-bench的扩展版本，聚焦工具-智能体-用户三方交互，模拟真实客服场景，考验上下文压缩对策略遵从和用户信息保留的影响。
时间轴 (近 90 天)
11月5日
在AppWorld和τ³两个基准上，使用两种目标模型进行测试，SpecCompact相比Hermes风格摘要实现了2.04至5.63倍的压缩加速。
待验证50%
11月5日
τ³（tau-bench的扩展版本）聚焦工具-智能体-用户三方交互，模拟真实客服场景，要求智能体遵循领域策略并与模拟用户多轮对话。
待验证50%
9月14日
AA新推出的私有评测取代了此前的τ³（tau-cubed）基准
已过期50%