出行与地点本地应用 · 国内出行
我们对 agent 说的话
查 date 从 origin 到 destination、18 点前到达的高铁二等座，列出车次、时间和票价。
判定标准
通过- 列出的车次都存在、18 点前到达、票价与 12306 一致；最早的 3 个符合条件的车次没有遗漏。
部分通过- 车次真实，但有票价错误，或者漏了靠前的符合条件车次。
每轮更换的参数
- {origin}
- {destination}
- {date}
提示词模板是公开的，具体参数在每轮结果发布时一起公开。
保留的证据
- screen_recording
- baseline_screenshots