可驗證評測

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。