按版本和权限检索知识、回答问题
标准：版本与权限约束的检索回答回答服务 · 引用 · 拒绝/升级记录
人的责任定义授权、知识有效性及可接受错误
基础草案3条验收门槛 · 2组相关来源
Sierra研究团队 / 任务基准
tau2-bench
政策工具用户交互
证据条件
- 版本
- domain_and_commit_required
- 资料开放性
- 公开模拟环境
- 来源家族
- Sierra研究团队
- 下次复核
- 2026-11-26
- 本站复现
- 未运行；引用外部研究
阅读限制
这份证据还不能证明
模拟用户不是实际客户；版本不同不合并
同一实验的论文、博客和转载按一组来源计算。本站任务适配属于分析判断，不代表上游测试了本站任务。
外部结果快照
保留原指标，不作跨基准总排名本页暂未摘录可解释的数值快照
可查原始结果入口。没有记录的分数保持未知，不以旧数字补齐。
关联的工作任务
以下为部分覆盖或方法关联，尚未完成逐题对应。
评测工具Agent，定位失败与回归
标准：工具Agent评测与回归诊断分层评测 · 故障归因 · 修复与回归
人的责任审验收定义、上线范围、归因不确定
基础草案3条验收门槛 · 5组相关来源
设计AI失败时可恢复、可接管的交互
标准：带失败恢复的人机交互规格原型 · 验收 · 纠错/撤销/升级说明
人的责任设定用户控制和组织责任
完整示例3条验收门槛 · 2组相关来源
连接业务系统，交付可恢复的流程
标准：受限业务系统集成与交接集成 · 对账 · 故障/撤销 · 运维交接
人的责任客户系统所有者批准上线；FDE负责交付事实
完整示例4条验收门槛 · 7组相关来源
用设备知识辅助维护判断
标准：设备知识维护辅助有出处且限定适用性的建议或澄清
人的责任负责适用性审核和现场操作决定
基础草案2条验收门槛 · 2组相关来源