arXiv · cs.CL· Kaden Uhlig·· 1 天前AI 评分44
τ-bench-LILT：评估真实多语言工具调用任务中的对话智能体
τ-bench-LILT: Evaluating Conversational Agents on Realistic Multilingual Tool-Use Tasks
来源与原文
arXiv · cs.CL
作者：Kaden Uhlig
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07203v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
τ-bench-LILT 是 τ³-bench 的多语言扩展，覆盖德语、韩语、土耳其语和波斯语，涉及航空、零售、电信和银行四个领域，对基准各层做了原生本地化。在八个智能体模型上的评测显示，韩语和波斯语零售领域的表现相较英语下降最大，pass^4 最多下降 61 分。代码与数据已开源发布。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。