研究者发布跨任务偏好迁移评测基准ProcessPrefBench
Start here
2026年11月5日，研究者在arXiv发布论文，推出评测基准ProcessPrefBench，用于评估大语言模型在自然人机交互中跨任务迁移用户个体过程偏好的能力。该基准基于两名知识工作者3个月的自然人机交互对话构建了66个案例。在针对3个模型的测试中，全历史提示与祈使式提炼偏好提示在0至2分制下，分别将偏好实现度提高了0.204分和0.244分；但测试结果同时显示，提炼偏好的提示方式未体现出稳定优势。
AI-generated from reports · Updated 8 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 自然语言处理ProcessPrefBench：评估自然人机交互中个体过程偏好的跨任务迁移
评测基准 ProcessPrefBench 基于两名知识工作者 3 个月的自然对话构建 66 个案例，用于评估模型跨任务迁移用户个体过程偏好的能力。在 3 个模型的测试中，全历史与祈使式提炼偏好提示分别将偏好实现度在 0-2 分制下提高 0.204 和 0.244 分，但提炼偏好未体现出稳定优势。
Story heat trend
Current heat 8·Comparable peak 10（Nov 5 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.