arXiv 自然语言处理· Jieyu Zhou, Zijian Wang, Yun Wang·· 6 小时前AI 评分44
IntentDelta：针对动态演变用户意图的人工构建评测基准
IntentDelta: A Human-Constructed Benchmark for Evolving User Intent
AI 导读
研究团队推出人工构建的多轮评测基准 IntentDelta，涵盖 WebShop 与 TravelPlanner 场景中的 638 条轨迹和 3,766 个轮次，用于评估大语言模型 Agent 应对动态用户意图的能力。
来源：arXiv 自然语言处理 · arxiv.org