实体 τ²-Bench

τ²-Bench

PulseAugur coverage of τ²-Bench — every cluster mentioning τ²-Bench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_35049 · May 16 · 23:46

Apple 的强化代理在执行前审查工具调用

Apple 研究人员开发了一种“强化代理”，可在执行前主动验证工具调用，旨在预防错误而非事后纠正。该方法在 BFCL 不相关性和 τ²-Bench 等基准测试中取得了显著改进，推理模型审查员实现了 3:1 的有益/有害比率。该系统在 GEPA 提示优化方面也取得了适度提升，而无需重新训练模型。