TauIndianBankBench：面向工具使用型对话智能体的流程感知与行动导向评测基准

研究人员推出 TauIndianBankBench，这是一个包含 1,000 个印度零售银行业务任务的行动导向评测基准，用于评估对话智能体对业务流程的遵循能力。该基准不仅检查最终记录，还核验智能体是否完整执行了所有必要步骤且无未请求的更改。测试显示，仅检查最终记录会导致各模型有 6.5-12.0% 存在跳步或越权更改的会话被误判为成功。