标签
Sierra AI 开源了 Hyper-τ-bench，这是一个新的基准测试，用于评估AI模型构建客户服务代理的能力，揭示了自主构建的局限性以及在人类协助下的改进。
本文介绍了Aegis，一个代理AI的运行时治理系统，通过可信授权调解工具操作，防止在评估的沙箱场景中出现高风险副作用。