跳到正文
arXiv · NLP· Abdulrahman AlRabah, Xiaocheng Yang, Dilek Hakkani-T\"ur, Abdussalam Alawini·· 17 天前AI 评分22

PredActBench:受控工具噪声下的增强对话基准评测

PredActBench: Benchmarking Tool-Augmented Dialogue under Controlled Tool Noise

AI 导读

研究提出 PredActBench 基准,用于评测与不完美的预测工具交互的 LLM 对话智能体。该基准基于教育场景,使用 13 个 LLM 在 OULAD 及包含 60 门课程数据的 PredAct-CS 数据集上进行评估。

来源:arXiv · NLP · arxiv.org