# tau2-bench

> 截至 2026 年 2 月，tau2-bench 的 Telecom 领域最高报告分数达到 99.3% pass^1；但更贴近生产的是 pass^k（连续 k 次成功），而非单次成绩。

多轮客服场景基准，衡量多次重复下的可靠率，而非仅看最好成绩。

- **分类:** 通用能力
- **2026 前沿:** Telecom 领域最高 99.3%（pass^1，2026-02 报告）
- **可信度:** Telecom 榜首已接近饱和——前三名差距不足 0.3 分。更有价值的是 pass^k 指标：它考察 Agent 能否连续 k 次成功，比单次成绩更接近生产可靠性。99.3% 属厂商自报，未经独立复现。
- **核验状态:** 已核验
- **来源:** [tau2-bench score ledger](https://evals.report/benchmarks/tau2-bench?tab=scores)
- **更新日期:** 2026-10-04