行业与实践 · 标签「语音」

研究与基准测试/2026-10-11/8 分钟

τ³-Bench：把智能体基准评测推进到知识与语音

Sierra 发布 τ³-Bench。知识任务上，最好的前沿模型只完成约 25%；即便给到正确文档，也只有 40%。现实噪声和打断下，语音完成率落到 26%–38%。