Measure Zero
shiina18.github.io
背景 CAR-bench：车载语音 Agent 基准。 CAR-bench 简介 Challenge 最终排行榜 技术报告原文 254 个任务、58 个工具、19 条车载策略 用户、环境、工具调用：评测器控制 每题独立运行 3 次； Pass³ 要求 3 次全过 一次错误调用、一次漏读前置状态、一次不合规回复：该 trial 归零 三类任务： 类型 额外困难 正确行为 Base 多轮工具操作、策略…
讨论
登录后参与讨论
还没有评论，来说第一句吧。