提出并形式化了用户实践中广泛使用的‘vibe-testing’(氛围测试)方法,将其分解为个性化输入(提示构造)和用户感知输出(响应评判)两个维度,并构建了一个概念验证评估流程;在编程基准上实验表明,结合个性化提示与用户感知评判可改变模型偏好顺序,从而弥合标准基准分数与真实使用体验之间的差距。
机构:Technion
来源:arXiv 2604.14137 | AI4Papers 论文推荐平台