arXiv发布UXBench Pro基准测试

发生了什么

据arXiv cs.CL发布的研究论文，UXBench Pro基准测试旨在评估多轮对话中的个性化用户体验。该基准包含一千个测试实例，涵盖12个任务场景及82个领域，并引入FACTORS用户画像以表征用户行为差异。研究提出双视角评估范式，结合个性化用户奖励模型与用户模拟器Sim4Eval，并配套URMBench和USimBench元基准以验证评估可靠性。