MEニュースのメッセージ、4月5日（UTC+8）。近日、Grok 4.20 Betaバージョンが τ²-Bench の評価で 97% の精度を達成し、2位にランクインしました。τ²-Bench は、Sierra の元となる τ-bench フレームワークをベースに構築された評価で、その厳格さで知られています。この評価は、AI が問題に答えられるかどうかだけでなく、エージェントがナビゲーションタスクを首尾よく完了できるかどうかもテストします。（出典：InFoQ）
Grok 4.20 Beta は τ²-Bench の評価で97%の正確率を記録し、2位にランクインしました
MEニュースのメッセージ、4月5日（UTC+8）。近日、Grok 4.20 Betaバージョンが τ²-Bench の評価で 97% の精度を達成し、2位にランクインしました。τ²-Bench は、Sierra の元となる τ-bench フレームワークをベースに構築された評価で、その厳格さで知られています。この評価は、AI が問題に答えられるかどうかだけでなく、エージェントがナビゲーションタスクを首尾よく完了できるかどうかもテストします。（出典：InFoQ）