提出TED框架(Talk, Evaluate, Diagnose),通过可复用的专家/非专家用户人设模板实现用户感知的智能体评估,在评估阶段将子目标转化为自然语言评分笔记并用LLM-as-a-judge自动打分,提出兼顾对话轮次效率与中间进展的新指标,并在诊断阶段引入自动化错误分析工具识别判据与智能体间不一致性,…
机构:SAP
来源:arXiv 2603.15483 | AI4Papers 论文推荐平台