Skip to main content

tau2-playbook

τ²-bench-specific benchmark guidance (Sierra Research; retail / airline / telecom). Multi-turn dialogue eval with multiplicative reward (DB × action × NL-assertion) and pass^k reliability metric. Catalogues tau2 failure modes and techniques from public writeups, mapped to HarnessX's four levers (config / control / action / instruction). Use when forming a hypothesis or scanning for which intervention fits a pattern seen in tau2 trajectories.

الانتقال إلى التثبيت

معلومات المصدر

المستودع
Darwin-Agent/HarnessX
آخر نشاط في المصدر
٣٠ أبريل ٢٠٢٦ في ١٥:٠٤
لغة SKILL.md المكتشفة
الإنجليزية
النجوم
٤٥٢
التفرعات
٥٣

خيارات التثبيت

يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.

مراجعة ملفات المصدر

اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.