τ²-벤치
τ²-bench는 은행·정책 같은 실제 도메인에서 도구와 에이전트, 사용자 상호작용을 평가하기 위해 설계된 벤치마크로서, 대화형 트래젝토리 단위 성능과 비용을 측정한다. 입력으로는 시뮬레이션된 사용자 요청과 정책 문서가 주어지고, 출력으로는 에이전트의 행동과 최종 결정이 정답 키와 비교되어 채점된다. 이 벤치마크는 자동 채점에 의존하기 때문에 정답 키의 정확성이 결과 해석에 직접적인 영향을 미친다.
