arXiv cs.AI· Yaoning Yu, Ye Yu, John Sciarappo, Haojing Luo, Kai-min Chang, Yi-Chia Wang, Haohan Wang·· 9 小时前AI 评分27
ThreadBench：评测 LLM 智能体模拟真实讨论的拟真度
ThreadBench: Benchmarking Realism in Agentic Simulation of Real-world Discussions
AI 导读
研究者推出 ThreadBench，基于 9,817 条真实 Reddit 讨论帖（覆盖 8 个领域、116 个子领域），用 12 项指标从均匀性、表达、语气、互动四个维度对比生成讨论与真实讨论。
来源：arXiv cs.AI · arxiv.org