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。
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

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。