论文提出LLM Agent回复可用性度量方法

发生了什么

据arXiv cs.CL报道，论文提出LLM Agent回复可用性（reply usability）度量方法。测试显示，7个家族8个模型的480条回复中54%失败，最佳模型仍有30%失败。通过明确回复要求可将失败率从0.52降至0.43，使用辅助模型重写可进一步降至0.36。