AgentRealTaskBench
English 申请测评

任务集 v1.0 / 本地任务 · 海外应用

ARTB-G03 · v1.0

帮我补一下 Slack 消息

我请假两天,频道里定了什么?

沟通与邮件群聊第三方集成

我们对 agent 说的话

帮我总结 #channel:定了什么、谁负责什么、截止时间是什么时候。

判定标准

通过
  • 决定、负责人、截止时间都与最终结果一致。
部分通过
  • 3 项里对 2 项。
失败
  • 给出的是已被推翻的决定,或者只对 1 项及以下。

每轮更换的参数

  • {channel}

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