Hyper-𝜏-bench 評估模型建構智能體的能力

Sierra 開源 Hyper-𝜏-bench（發表名稱為 𝜏^𝜏-bench），評估模型能否建構客服智能體，而不只是充當智能體。測試把開發智能體放進模擬業務沙盒，要求它從證據還原規格、設計架構並完成客服智能體，再以開發期間未見的測試檢驗成品。