基准
tau-bench
由斯坦福大学等机构提出的AI智能体评测基准，专门针对工具辅助代理在真实数据库交互场景下的可靠性评估，以系统状态是否符合预期及多次重复成功率作为衡量标准
时间轴 (近 90 天)
9月23日
tau-bench 基准测试关注智能体是否达到预期的数据库状态，并要求在多次重复尝试中稳定成功
待验证50%
9月23日
tau-bench 是由斯坦福大学等机构提出的智能体评测基准，针对工具辅助代理在真实数据库交互场景下的可靠性评估
待验证50%
9月23日
tau-bench 以智能体执行完毕后系统状态是否符合预期为判断标准，而非单次对话的输出内容
待验证50%