AgentRealTaskBench
English 申请测评

任务集 v1.0 / 本地任务 · 国内应用

ARTB-C05 · v1.0

我的快递到哪了?

我只有一个快递单号,不知道是哪家快递。

查资料本地应用 · 国内数据获取

我们对 agent 说的话

快递 tracking_number 现在到哪了?什么时候到?

判定标准

通过
  • 快递公司识别正确,最新状态与官方查询一致。
部分通过
  • 快递公司正确,但状态过时。
失败
  • 快递公司错误,或者编造状态。

每轮更换的参数

  • {tracking_number}

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