UserProxyBench: Evaluating LLM User Simulators for Agent Benchmarks and Training

arxiv · arXiv · 2026-09-30 01:17 · 评分 80

提出UserProxyBench，在tau-bench基础上增加评估层，用用户保真度评分（UFS）衡量模拟用户是否按基准私有设定执行角色，弥补现有Agent基准只评估智能体、忽视用户模拟器质量的空白。