⌘ K
… 读取采集状态 同步中...
雷
原文
X:Greg Brockman (@gdb)·· 2026-09-08AI 评分1

τ^τ-Bench 论文:Claude Opus 5 在 Claude Code 下构建客服智能体仅通过 23.9% 评估,专家人类参考为 82.2%

AI 导读

Sierra 与普林斯顿大学发布 τ^τ-Bench(hyper-tau-bench)基准,把智能体构建本身设为任务:开发者智能体获得真实业务记录、掌握需求的客户、生产 API、待继承代码库和服务成本与模型限制,需交付一个可用的客服智能体,并用保留的模拟用户部署评分,共 4 个领域 53 个任务。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:X:Greg Brockman (@gdb) · x.com