τ-bench-LILT多语言工具调用基准发布

1. 06:47
   arXiv · cs.CL

   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 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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。