跳到正文

τ³-Banking

Sierra / 專業辦公 · 在統一工具環境中辦理銀行業務,檢驗規則理解、客戶溝通與任務完成。

官方評測
在 888news 中觀察中
依據預算不參與排序
上游數據時間待核實
最近成功同步尚未開始採集

它測什麼,怎麼測

只比較官方 standard 銀行業務、v1.0.1、alltools 和 GPT-5.2 使用者模擬器;採用 pass@1。不同工具、提示、模擬器、語音模式與自定義系統不混排。

如何使用這份依據

觀察中:Mercor 統一復跑的 τ³-Banking 已計分;官方榜單接受廠商自報成績,不計分。

評測局限與數據署名

成績屬於固定銀行任務系統,依賴模擬使用者與工具協議;不是所有職業的通用正確率。

數據許可:MIT · Sierra Research tau2-bench 官方倉庫;保留來源署名。

成績由 Sierra 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。