模型10:50
SpeechEQ：为社交语音对话模型评估情感智商的新基准SpeechEQ搞了个新基准，测AI在对话里能不能听懂语气和情绪，发现模型靠文字猜情绪，安全对齐后还变傻了。想做真情感AI的必看。
#多轮评估
共 2 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「多轮评估」标签的资讯、产品与论文，按刊登时间排，新的在上。
6月25日
6月9日
Deep Research Agent 多轮评估：过程级反馈提升报告质量
做AI研究助手或智能体评估的团队，这篇论文揭示了当前DRA在多轮反馈下的真实瓶颈——单轮有效但多轮难持续，值得点开看具体实验设计和RGI方法。