エージェント評価

τ³-Banking Knowledgeエージェント評価

τ³-Banking Knowledgeの表示版と環境に結び付いた公開行21件を保持します。

課題: 97
公開行: 21
情報源データ日: 2026年8月4日
ID確認日: 現在

根拠の範囲

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.

OpenGPTでの根拠の扱い

公開元の指標、課題範囲、環境、版、構成、日付を保持し、評価を横断した総合点は作りません。

比較できる範囲

高い値は表示された評価版と条件にだけ適用されます。
結果は基盤モデル単体ではなくエージェント全体を反映します。
費用、信頼性、安全性、速度の欠損値は推測しません。
The included rows use the same benchmark version, 97-task Banking Knowledge split, AllTools configuration, user simulator, seed, and four-trial protocol. Missing costs remain unreported. This snapshot includes all 21 compatible publisher submissions available at the pinned revision.

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

公開21件のうち21件を表示します。結果は元の評価と構成に結び付いています。