Benchmarks de Agents

Benchmark de agentes de τ³-Banking Knowledge

OpenGPT mantiene 21 filas publicadas asociadas a la versión τ³-Banking Knowledge exacta de la prueba de referencia y al entorno que se muestran a continuación.

Tareas: 97
Filas publicadas: 21
Fecha de los datos de la fuente: 4 ago 2026
Identidad revisada: Actual

Alcance de la evidencia

v1.0.1 · AllTools · GPT-5.2 low user simulator · seed 300 · 4 trials. banking knowledge tasks. Standard scaffold with BM25, embedding retrieval, and sandboxed command-line search. 4 trials per task · 388 trajectories per configuration.

How OpenGPT handles this evidence

OpenGPT conserva la métrica, el alcance de tareas, el entorno, la versión, los campos de configuración y la fecha de la fuente del editor. No crea una puntuación general de agentes entre pruebas de referencia distintas.

Límites de la comparación

Un resultado superior solo se aplica a la versión y las condiciones del benchmark mostradas.
Los resultados de Agents reflejan el sistema completo, no solo el modelo base.
Los datos ausentes sobre coste, fiabilidad, seguridad o latencia se mantienen sin informar, en lugar de inferirse.
Las filas incluidas utilizan la misma versión de benchmark, la división Banking Knowledge de 97 tareas, la configuración AllTools, el simulador de usuario, la semilla y el protocolo de cuatro pruebas. Los costes ausentes siguen sin publicarse. Esta instantánea incluye los 21 envíos compatibles del editor disponibles en la revisión fijada.

v1.0.1 · AllTools · GPT-5.2 low user simulator · seed 300 · 4 trials

Mostrando 21 de 21 filas publicadas. Cada resultado permanece vinculado al benchmark y a la configuración de origen.