arXiv 游戏 AI 检索· Hengguang Zhou·2026-11-19 02:34· 3 天前AI 评分38如何评估交互式智能体的用户模拟器On Evaluating User Simulators for Interactive AgentsAI 导读现有用户模拟器评估框架难以可靠检测模拟用户行为中的有意义失败:三项既有研究的评估方法在10种人为扰动中仅能检出5-6种,其组合评分甚至更青睐被指示接受残缺工作的模拟用户群体。来源:arXiv 游戏 AI 检索 · arxiv.orgNPC 与对话玩家建模与运营论文研究评测基准#论文/研究#评测/基准#玩家建模/运营#NPC/对话#arXiv查看事件全部后续