Sierra 开源 Hyper-𝜏-bench 基准，评测模型构建智能体的能力

Sierra 开源 Hyper-𝜏-bench（论文发表为 𝜏^𝜏-bench），一个长程智能体评测，衡量模型能否端到端构建出可用的客服智能体。开发者智能体在沙箱内从模拟业务记录和模拟客户端恢复规格、设计架构并生成工具，成品在未见过的 𝜏-bench 式测试上验证。