arXiv · AI· Boxi Yu, Yuzhong Zhang, Zhenfeng Su, Linfu Xi, Yinghan Yao, Shitao Chen, Yang Cao, Liting Lin, Lionel Briand, Emir Mu\~noz·· 12 小时前AI 评分26
CXBench：面向受监管客户体验流程的 LLM 智能体过程合规基准
CXBench: A Benchmark for Process-Compliant LLM Agents in Regulated Customer-Experience Workflows
AI 导读
CXBench 引入首个分别评估结果与过程合规的基准，覆盖六大受监管领域。 实验包含 7 个模型与 120 项任务，混合评分器发现 840 次保留运行中 55.5% 为误判通过。 过程合规评估改变了模型排序，暴露了仅依据结果评分所隐藏的性能差异。
来源：arXiv · AI · arxiv.org