首页 / 评估 / τ-bench / τ²-bench

τ-bench / τ²-bench

Agent 决策 C Agent 与工具调用 0 个模型参评

工具-智能体-用户三方多轮交互，测在规则约束下能否把事办成。

工具-智能体-用户三方多轮交互，测在规则约束下能否把事办成。

评估集信息

所属套件: Agent 决策
分组: C Agent 与工具调用
决策类型: 任务达成
主指标: 任务达成率
优化方向: 越高越好
参评模型: 0 个
数据许可证: 见官方页面

这个评估集测什么

工具-智能体-用户三方多轮交互，测在规则约束下能否把事办成。

在该评估集上的模型成绩（0 个）

暂无模型在该评估集上的公开成绩。