标签
APRiL 提出了一个针对中文社交感知能力的开放式基准，包含 2,196 个评测实例，涵盖六类社交场景和两项互补任务。对来自六个模型家族的 12 个模型的实验揭示了一致的“理解-响应”差距：高质量的场景分析能提升响应质量，而薄弱的分析反而可能降低响应质量。
本文讨论了设计具有社交意识且知道何时打断的AI智能体的挑战，强调长期记忆和克制而非原始智能，并以作者的Alfred系统为例。