τ-bench — Benchmarking AI Agents on Real-World Tasks

资源简介

人工智能代理能否可靠地完成现实世界的任务?- 长凳衡量代理与用户对话、调用工具、检索知识以及跨企业域(以文本和语音)遵守政策的良好程度。

相关资源