基准
UserProxyBench
在交互式Agent基准测试中新增用户保真度评估层的基准，将模拟用户模型自身是否忠实执行脚本化用户剧本纳入测量范围
时间轴 (近 90 天)
10月15日
UserProxyBench论文由Ashish Jain和Armaan Sandhu撰写，在tau-bench基础上增加评估层，测量模拟用户是否完成任务。
待验证50%
在交互式Agent基准测试中新增用户保真度评估层的基准，将模拟用户模型自身是否忠实执行脚本化用户剧本纳入测量范围
UserProxyBench论文由Ashish Jain和Armaan Sandhu撰写，在tau-bench基础上增加评估层，测量模拟用户是否完成任务。