Sierra 发布 τ-bench 基准，评测 AI Agent 在真实场景下的表现与可靠性
Sierra AI 研究团队发布 τ-bench（τ-retail 和 τ-airline 两个领域）基准，通过 LLM 模拟用户与工具 API 的多轮动态交互，评估 Agent 完成复杂任务并遵循领域策略的能力，并提出 pass^k 可靠性指标。
Agent智能体 大事记
重要进展 IMPORTANT_PROGRESS
2026-05-26 — 2026-05-26
重要进展 · 第 19 / 55 页
SIA 联合改进智能体运行框架与模型权重
SIA 研究让反馈智能体同时更新任务智能体的工具、提示、重试与搜索过程以及模型权重，并在法律分类、GPU内核优化和单细胞RNA任务中评估。
Agent智能体 精选历史资讯
— · 1 条
精选资讯 · 第 1 / 1 页
分类
排序
暂无内容