研究人员开发了Fuse,一个新颖的多智能体模拟框架,旨在评估LLM助手的社交推理能力。该框架通过创建LLM必须根据主观用户叙述推断隐藏动机的场景来应对评估社交推理的挑战。一项包含大量注释的人类研究验证了模拟的准确性,随后将其应用于12个LLM,结果表明用户中介、有偏见的框架和提供的信息量对性能有显著影响,而更长的对话并不总是能带来更好的结果。 AI
影响 提供了一种评估LLM社交推理的新方法,有可能提高其在咨询角色中的可靠性。
排序理由 该条目描述了一篇关于评估LLM能力的新研究论文和框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →