Agent评测

τ³-Banking Knowledge Agent评测

OpenGPT将21条公开记录保留在下方所示的 τ³-Banking Knowledge评测版本与环境内。

任务: 97
公开记录: 21
来源数据日期: 2026年8月4日
身份核验日期: 当前

数据范围

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如何处理这些数据

OpenGPT保留发布方的指标、任务范围、环境、版本、配置字段与数据日期，不生成跨评测Agent总分。

可比边界

更高结果只适用于所展示的评测版本与条件。
Agent结果反映完整系统，而不是基础模型单独能力。
成本、稳定性、安全性或速度没有公开时保持未报告，不进行推测。
所含数据行使用相同的基准版本、97 项任务 Banking Knowledge 划分、AllTools 配置、用户模拟器、种子和四次试验协议。缺失的成本仍不作报告。此快照包含固定修订版本中可用的全部 21 项兼容发布方提交。

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

展示21条公开记录中的21条；每项结果都保留来源评测与配置。