新框架 Fuse 评估 LLM 社会推理能力
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究人员发布多智能体模拟框架 Fuse，用于评估大语言模型在社交咨询场景下的推理能力。该框架通过隐藏动机的目标智能体与用户互动，构建可验证的真实基准。测试覆盖 12 个模型，发现用户中介会增加推理难度，模型易受用户主观描述偏差影响，且有时比人类需要更多细节才能做出正确预测。相关数据集包含 2.1 万个示例。
为什么值得看
提供了评估 LLM 社交推理能力的新基准与开源数据集。
智能体数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。