UXBench Pro个性化多轮对话评测基准发布

Mengze Hong等作者发布UXBench Pro，一个面向多轮对话交互中个性化用户体验的评测基准。该基准包含1000个来自12类任务场景、82个领域的真实用户交互测试实例，每个实例配有刻画七维行为特征的FACTORS用户画像。 在评估方法上，UXBench Pro提出双视角评估范式，结合个性化User Reward Model（URM）与支持多轮交互的用户模拟器Sim4Eval，并引入URMBench和USimBench两个元基准，用于检验评估器还原真实人类偏好与行为的可靠性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。