arXiv 自然语言处理· Yeon Su Park, Chanyoung Park, Tae Soo Kim, Seungju Kim, Hyunwoo Kim, Daho Jung, Jinsung Yoon, Juho Kim·· 8 小时前AI 评分37
TutorCaseBench：用于评估 LLM 导师应对学生挑战性行为的案例评测基准
TutorCaseBench: A Case-Grounded Benchmark for Evaluating LLM Tutors in Supporting Students with Challenging Behaviors
AI 导读
研究人员推出评测基准 TutorCaseBench，基于教育学、教育心理学和特殊教育的真实案例，评估 LLM 导师应对学生困难与挑战性行为的能力。该基准涵盖 5 种挑战类型的 923 组对话，包含 1,560 项开放式生成和 2,537 项多选题评测。在 11 个前沿 LLM 的测试中，最强模型在开放式场景下仅能满足 55.8% 的评分标准，相关数据已完全开源。
来源：arXiv 自然语言处理 · arxiv.org