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
2025-02-02 — 2025-02-02
重要进展 · 第 35 / 55 页
ChatGPT 推出多步骤 deep research
OpenAI 在 ChatGPT 推出 deep research，通过搜索、分析网页与材料完成多步骤研究并提供引用。初期向 Pro 用户开放；后续扩大范围不与首发混淆。
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