发布SmartSalesBench销售Agent多轮评测基准

论文作者提出SmartSalesBench，据称是首个面向抗拒型买家的多轮对话基准，用于评估大语言模型销售代理，支持最长20轮对话。 基准包含5种代理配置、12种买方角色、15款覆盖6个价格档位的智能手机和4项受控实验，共3轮迭代、13680次会话；代理与买方角色生成均基于检索增强构建。其九项指标分三层，其中ITS、ARI、SPI三项为探索性指标，计划未来报告。 评估采用自动LLM裁判打分结合内部人工评估，人工样本量50，kappa为0.71，与BRS的Pearson相关为0.81。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。