跳到正文
arXiv · ML· Atri Vivek Sharma, Brian Formento, Alessio Lomuscio·· 24 天前AI 评分31

StressSim:用于多轮智能体评估的意图保持对抗性用户模拟框架

Intent-Preserving Adversarial User Simulation for Multi-Turn Agent Evaluation

AI 导读

论文提出意图保持对抗性用户模拟框架 StressSim,利用遗传提示优化循环生成高难度交互,以暴露 LLM 智能体的鲁棒性缺陷。 在 tau-bench 零售与航空域评估中,StressSim 使 gemini-3.8-flash 和 gpt-5.6-sol 的 pass^4 分数分别下降 69% 和 62%,而目标保持性能最多仅降低 10%。

来源:arXiv · ML · arxiv.org