arXiv · NLP· Shengyue Guan, Jindong Wang, Jiang Bian, Bin Zhu, Jian-guang Lou, Haoyi Xiong·· 3 小时前AI 评分30
多轮对话 LLM Agent 评估方法综述
Evaluating LLM-based Agents for Multi-Turn Conversations: A Survey
AI 导读
该综述系统回顾了多轮对话场景下 LLM Agent 的评估方法，基于近 250 篇学术文献建立分析基础。 构建“评估内容”与“评估方法”双维分类体系：涵盖任务完成、记忆保留等维度；方法分为人工标注、自动指标、混合及 LLM 自判，兼容 BLEU 与动态交互指标。
来源：arXiv · NLP · arxiv.org