PersEvalBench：LLM 评估器能否判断 Persona 信息在语境中的恰当使用？

英文标题：PersEvalBench: Can LLM Evaluators Judge Contextually Appropriate Use of Persona Information?

论文提出 PersEvalBench，用于测试大语言模型（LLM）评估器是否能够识别 Persona 信息在具体语境中的恰当使用。研究指出，LLM 评估器正越来越多地被用于评估个性化助手，但其评判个性化能力的可靠性此前较少得到系统测试。该基准可为开发者选择、验证和改进个性化 AI 助手的自动评估方法提供参考。原文所提供的摘要在“recognize”处截断，未包含具体实验数据与结论。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB