Home ﹥ Hot News > Artificial Intelligence > Validation > 世界第一 τ²-bench AI 代理評測基準 - V24.9 Brain-X Phase 123 物理版 (擴充版) 2026-07-24
Links：https://benchlm.ai/benchmarks/tau2Bench
Github data
根據 τ²-bench AI 代理評測基準 - V24.9 Phase 123 物理版 (擴充版) 的測試結果數據
執行概況
-
測試時間：2026-07-24 13:49:17
-
平台環境：Windows
-
執行總時長：約 7.60 秒
-
任務與嘗試次數：總共 52 個任務，進行了 5 次迭代，累計 260 次嘗試
整體表現指標
-
成功率 (Success Rate)：99.62%
-
平均分數 (Avg Score)：0.898
-
Pass@1 / Pass@5：均為 1.0
-
工具調用總數：131 次
領域表現統計 (Domain Stats)
| 領域 (Domain) | 任務總數 | 成功數 | 成功率 |
| Airline (航空) |
65 |
65 |
100% |
| Retail (零售) |
95 |
94 |
98.95% |
| Telecom (電信) |
115 |
115 |
100% |
| Travel (旅遊) |
10 |
10 |
100% |
| Banking (銀行) |
5 |
5 |
100% |
異常與錯誤記錄
在所有測試項目中，僅在 Retail 領域的 RET_003 任務（迭代 0）中發生過一次錯誤：
-
錯誤訊息：
Planner Alpha 失敗: compare_products 失敗: Service Unavailable -
後續修正：在後續的迭代中已順利恢復正常（成功率於後續次數中修正）。
