实体 Mengze Hong

Mengze Hong

PulseAugur coverage of Mengze Hong — every cluster mentioning Mengze Hong across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_79554 · Jun 8 · 14:44

新的UXBench基准测试评估AI助手用户体验

研究人员推出UXBench，这是一个旨在评估AI助手用户体验的新型基准测试。该基准测试是第一个使用真实用户反馈信号的基准测试，包含三个任务：UX Judge、UX Eval和UX Recovery。它建立在一个包含7400个实例的数据集之上，这些实例来源于一个中国AI助手的70000多条交互日志，涵盖了各种场景和失败模式。对26个语言模型的实验表明，用户反馈预测是一项可学习的能力，并突出了当前LLM作为裁判的评估方法中的偏见。