多轮对话评估

英文：Multi-Turn Dialogue Evaluation　分类：eval

基本释义

对模型在多轮对话场景中表现的评测：上下文记忆（记住前文）、话题连贯、任务推进与长期一致性，比单轮评测更贴近真实使用。

技术要点

评测：人工对话质量评分（MT-Bench 类）、自动指标（会话状态跟踪）、长对话一致性（事实不矛盾）、多轮任务成功率；挑战：累积错误（前期错影响后续）、会话长度效应。

应用场景

用于聊天助手评测、客服机器人验收、Agent 多轮任务（流程型对话）与对话记忆能力测试；多轮对话评估是"真实对话体验"的度量。

返回AI百科目录 · AI最前沿首页

相关词条：大模型评审 · 聊天机器人竞技场 · 数据治理 · 工具调用准确率 · 长文本评测