arXiv · NLP· Yeon Su Park, Chanyoung Park, Tae Soo Kim, Seungju Kim, Hyunwoo Kim, Daho Jung, Jinsung Yoon, Juho Kim·· 3 小时前AI 评分33
TutorCaseBench 发布：基于案例评估 LLM 辅助特殊行为学生
TutorCaseBench: A Case-Grounded Benchmark for Evaluating LLM Tutors in Supporting Students with Challenging Behaviors
AI 导读
研究团队推出 TutorCaseBench 基准，包含 923 段对话、1,560 个开放式及 2,537 个多选评估项。 该基准涵盖五类行为挑战，源自教育心理学与特殊教育案例研究。 11 个最先进 LLM 中表现最强模型仅在 55.8% 的开放式场景达标，揭示情境适应差距。
来源：arXiv · NLP · arxiv.org