评测框架PersonaChatBench评估多样化人设下对话助手表现

2026年11月，研究团队提出对话助手评测框架PersonaChatBench。该框架通过为相同任务匹配具备不同需求与交互行为的模拟用户，评估对话助手在多样化人设下的服务表现。PersonaChatBench在6个领域测试了20个语言模型，重点评估原生任务结果、人设需求满足度与模拟器保真度。测试结果显示，模型具备较强的基础任务能力并不等同于能满足个体的特定需求，各模型在面对不同人设与领域时的适应性存在显著差异。

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。