sierra-research/tau2-bench

sierra-research/tau2-bench の最新リリース v2.0.0 は、エージェントとユーザーの会話およびツール利用を評価するベンチマークで、tau3 ドメインと音声・ポリシー準拠評価をシミュレーターと評価器として提供します。

GitHub の説明: τ-Bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains

スター

★ 2.3K

フォーク

590

言語

Python

ライセンス

MIT

最新リリース

v2.0.0