J-tau：面向工具智能体-用户交互的全本地化日语基准

J-tau 发布首个公开的日语基准，用于评估交互式客服场景中调用工具的 LLM 智能体。该基准通过机器翻译、实体适配与人工审核对 tau-bench 做本地化，并修复了原基准的无效任务与分数聚合错误两处缺陷，后者会虚高部分模型的成绩。实验显示 J-tau 的评估错误少于朴素机器翻译版本。