基准

Tau2-Bench

用于评估模型工具调用与多轮对话能力的基准测试。

时间轴 (近 90 天)

10月23日

Nemotron 3.5 Bolt E4B 在 Tau2-Bench 上得分为 63.2，原版 Gemma 4 E4B 得分为 38.7。

待验证50%

Nemotron 3.5 Bolt E4B 在 Tau2-Bench 上得分为 63.2，原版 Gemma 4 E4B 得分为 38.7。