UXBench：面向AI助手的用户体验基准

论文发布基于真实用户反馈的AI助手用户体验基准UXBench。

资讯摘要

论文提出UXBench，称其为首个基于真实用户反馈信号、评估偏好对齐与对话生成的用户中心基准。该基准含UX Judge、UX Eval、UX Recovery三项任务，共7400个测试实例，取自某主流中文AI助手超7万条交互日志，覆盖8个场景、83个领域及多种失败模式。作者在26个前沿语言模型上实验，报告六项发现，认为用户反馈预测是可学习能力。

要点速读

1. UXBench包含UX Judge、UX Eval、UX Recovery三项任务，共7400个测试实例。
2. 测试实例从某主流中文AI助手超7万条交互日志中提取，覆盖8个场景、83个领域。
3. 作者在26个前沿语言模型上开展实验，并报告六项发现。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。