真知浩见出品论文T2
TurnFlow：通过场景引导的用户模拟评测多轮 LLM 智能体用户状态推理
TurnFlow：通过场景引导的用户模拟评测多轮LLM智能体用户状态推理
arXiv · 发布于 2026-11-07 00:00 · 收录于 2026-11-10
摘要
TurnFlow 结合自适应用户模拟与可验证评判，以 490 个场景检验 9 种 LLM 的多轮用户状态推理，总体通过率为 42.86%—59.59%。模型虽擅长多约束遵循，却在范围蔓延与目标转移上明显失效。
论文/研究合成用户Agent
TurnFlow：通过场景引导的用户模拟评测多轮LLM智能体用户状态推理
arXiv · 发布于 2026-11-07 00:00 · 收录于 2026-11-10
TurnFlow 结合自适应用户模拟与可验证评判，以 490 个场景检验 9 种 LLM 的多轮用户状态推理，总体通过率为 42.86%—59.59%。模型虽擅长多约束遵循，却在范围蔓延与目标转移上明显失效。