arXiv cs.CL· Caixin Kang, Ke Wang, Yuchuan Wu, Xiaoqiang Wang, Ling Li, Bingxue Qiu, Yongbin Li, Yoichi Sato·· 5 小时前AI 评分29
HICO-Bench：如何评估社交智能体的交互有效性？PaCPO 让 Qwen3-8B 验证成功率从 20.4% 升至 28.3%
What Makes a Social Agent's Interactions Effective? Learning from Verifiable Outcomes in Paired Worlds
AI 导读
研究者提出 HICO-Bench，包含 180 个日常协调场景，两个持有私有信息的智能体对话后各自记录商定计划，由程序检查可行性、LLM 评判完整性，两者同时通过才算 Verified Success。在 13 个 LLM 中，36% 被评高目标完成度的对话未通过验证。为此提出的 PaCPO 方法将 Qwen3-8B 的 Verified Success 从 20.4% 提升至 28.3%。
来源：arXiv cs.CL · arxiv.org