PerSo：用真实说服对话评测LLM社交智能

论文作者团队提出PerSo基准，利用Reddit ChangeMyView社区的真实说服对话，同时评估大语言模型推断他人心理状态（认知）和据此选择社会行动（行为）的能力；任务通过LLM参与的流程构建，并经人工标注验证（arXiv:2610.20548，基于论文摘要）。 测试结果显示，各模型表现总体随规模提升，但在不同维度存在差异：最强模型在行为任务上略超过观察到的最佳人类表现，而认知任务上最佳人类参与者仍然领先。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。