从客户服务智能体到智能体构建者
该领域已超越评估模型能否作为可靠的客户服务智能体（𝜏-基准最初的焦点），转而评估模型自身能否构建此类智能体。
支持这项说法
超-𝜏-基准（Hyper-𝜏-bench）：评估能构建智能体的智能体
我们于 2024 年构建了 𝜏-基准，旨在回答当时看似新颖的一个问题：模型能否作为可靠的客户服务智能体？如今这已成为基本门槛。更难的问题是：究竟谁在构建这些智能体？答案正日益变为——模型自身。
原始摘录
We built 𝜏-bench in 2024 to answer a question that felt novel at the time: Can a model act as a reliable customer service agent? That’s table stakes now. The harder question is, who’s building the agent in the first place? Increasingly, it’s the models themselves.