τ2-Bench

概述

τ2-Bench 是 τ-Bench 的后续版本，用于对话 Agent 的进阶评测，论文编号 arxiv: 2506.07982。

关键内容

1. 与 τ-Bench 的关系：
2. τ2-Bench 是 τ-Bench 的迭代升级版本

3. 延续了对话式 Agent 多轮交互评测的核心框架

4. 改进方向：

5. 可能包含更复杂的对话场景
6. 更细粒度的评分维度
7. 更贴近真实用户交互的评测标准

来源

• raw/articles/ai-engineering/anthropic-engineering/claude-engineering/12_demystifying_evals.md — 参考与扩展阅读

相关

• τ-Bench — extends（τ2-Bench 扩展自 τ-Bench）
• 评测驱动开发 — uses（对话 Agent 评测基准体系的一部分）