研究者发布跨任务偏好迁移评测基准ProcessPrefBench

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 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。