深度分析
「τ‑Rec」基準揭示代理式推薦系統多回合推理瓶頸與可驗證獎勵機制
隨著推薦系統向多回合對話式代理轉型，傳統評測已無法跟上。研究推出τ‑Rec基準，以可驗證獎勵與揭露標籤機制取代主觀評分，測試六大模型在電影目錄上的偏好引導與政策遵循，結果顯示最佳模型的pass^1僅約57％，pass^4跌至約35％，凸顯可靠性斷崖。
深度分析
隨著推薦系統向多回合對話式代理轉型，傳統評測已無法跟上。研究推出τ‑Rec基準，以可驗證獎勵與揭露標籤機制取代主觀評分，測試六大模型在電影目錄上的偏好引導與政策遵循，結果顯示最佳模型的pass^1僅約57％，pass^4跌至約35％，凸顯可靠性斷崖。
深度分析
隨著人工智慧驅動的推薦系統向多回合對話轉型，τ‑Rec以可驗證獎勵與揭露標記機制取代主觀評分，測試模型在偏好擷取與政策遵循上的可靠性。實驗顯示即使最佳模型在一次通過率僅57%，在四次通過率跌至35%，突顯當前技術的可靠性斷崖。相較於僅用BLEU或排名的舊基準，τ‑Rec加入工具與政策檢查，提供更完整評估。