Sierra 开源 hyper-τ-bench：评估能构建智能体的智能体

Sierra 今日开源 hyper-τ-bench，这是一个新的长时程智能体评测基准，用于衡量模型不仅能作为智能体行动、还能构建智能体的能力。该基准聚焦于"构建智能体的智能体"这一任务场景，为长时程自主智能体开发提供评测标准。