3,583 papers
arXiv:2610.25954 76 19 окт. 2026 г. PRO

CXBench: проверка агента по процессу, а не только по результату

КЛЮЧЕВАЯ СУТЬ
Обнаружено: у большинства моделей около 80% прогонов с верным итогом нарушают обязательный процесс. Заявка создана, поля верные, а клиенту не сказали то, что регламент требует сказать. Метод CXBench позволяет ловить такие «тихие» нарушения у ИИ-операторов поддержки: банков, телекома, страховых. Фишка: не спрашивай «соблюдён ли регламент?», а требуй цитату с номером реплики по каждому пункту. Итог и процесс считаются двумя отдельными осями, и успех засчитывается только при двух зелёных.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с