标签
本文介绍了EYT-Bench，一个以人为中心的基准，用于评估多轮对话中的LLM，采用了解耦的用户模拟、目标建模和评判设计。它揭示了闭源和开源模型在客观意图追踪上差异显著，但在主观维度上相似；推理能力提升了客观追踪，而人物角色格式强烈影响轨迹分布。