基准
SimulatorArena
基于LLM模拟用户的对话竞技场基准，侧重于让不同智能体在相同条件下与模拟用户交互并进行横向比较，评估智能体的自然对话质量
时间轴 (近 90 天)
9月14日
GAUGE研究覆盖了来自六家供应商的25个智能体，并在τ²-bench和SimulatorArena两个基准上进行测试
待验证50%
基于LLM模拟用户的对话竞技场基准，侧重于让不同智能体在相同条件下与模拟用户交互并进行横向比较，评估智能体的自然对话质量
GAUGE研究覆盖了来自六家供应商的25个智能体，并在τ²-bench和SimulatorArena两个基准上进行测试