AgentRealTaskBench
English 申请测评

任务集 v1.0 / 本地任务 · 国内应用

ARTB-C04 · v1.0

家族群 300 条消息

我只想知道过年谁家请客、什么时候。

沟通与邮件本地应用 · 国内群聊

我们对 agent 说的话

总结一下 group 群聊:过年谁家请客、哪天、我要带什么。

判定标准

通过
  • 请客的人、日期、要带的东西都和最终方案一致。
部分通过
  • 3 项里对 2 项。
失败
  • 给出的是过时的方案,或者只对 1 项及以下。

每轮更换的参数

  • {group}

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