TauIndianBankBench基准发布：精准评估印度银行智能体程序执行

2026年10月23日，arXiv发布论文《TauIndianBankBench: 面向印度零售银行工具调用对话智能体的程序感知与行动导向评估基准》。该基准包含1000项印度零售银行任务，旨在衡量对话智能体是否完整执行规定步骤及避免未请求变更。 研究指出，现有基准仅检查最终记录，常遗漏被跳过的必要步骤，导致6.5%-12.0%的会话在存在违规步骤时被误判为成功。新基准通过同时评估程序与结果，能更准确反映大语言模型在印度零售银行业务中的实际表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。