跳到正文
arXiv · AI· Ashutosh Srivastava, Siddharth Yedlapati, Vinay Aggarwal, Yaman Kumar Singla, Shashwat Dixit, Jitendra Ajmera, Balaji Krishnamurthy·· 2026-10-07AI 评分42

双方面个性化大模型基准 SDR-Arena 与 SDR-Bench 发布

Benchmarking the Personalization Capabilities of Large Language Models

AI 导读

论文提出 SDR-Arena 框架及 SDR-Bench 公开语料库,包含 50,000 个客户成功案例,用于评测双方面生成式个性化能力。 最佳模型 Claude Sonnet 4.6 在加权片段召回率(WCS)上得分 55.8%,且消融实验表明瓶颈在于检索而非推理。 两项针对专业 SDR 的研究验证了该指标,显示仅 48% 的生成话术无需编辑即可使用。

来源:arXiv · AI · arxiv.org