论文发布含对抗场景的多轮对话基准 ToolRACERBench。
资讯摘要
论文提出 ToolRACER，一个协调用户、助手与工具仿真模型来生成并验证多轮交互的合成数据流水线，并据此构建 ToolRACERBench。该基准覆盖六个领域、55 种以上人物设定，包含 5.6K 条经校验的对话轨迹，其中约 66% 含易失败场景，并注入对抗行为。作者报告，在该基准上训练的模型在 τ²-bench 与 ACEBench 上的端到端智能体准确率有所提升。
要点速读
- ToolRACER 通过用户、助手、工具三类仿真模型协同生成并验证多轮对话轨迹。
- ToolRACERBench 覆盖六个领域、55 种以上人物设定，含 5.6K 条验证轨迹，约 66% 含易失败场景。
- 作者报告在该基准上训练的模型在 τ²-bench 和 ACEBench 上端到端准确率提升，小模型混合域内数据时增益明显。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。