HuggingFace Daily Papers·2026-09-26 08:00· 6 天前AI 评分45

IntentFlux 基准：测量与修复 LLM 智能体中的意图漂移

When Users Change Their Minds: Measuring and Repairing Intent Drift in LLM Agents

AI 导读

研究者提出 IntentFlux 可执行基准，将可验证任务转为带受控意图变更的多轮对话，在 627 个案例的校准中，任务平均分随被取代和撤回信息增多从 0.476 降至 0.384。