20萬次模擬實驗：大模型多輪對話表現遜單輪

20萬次實驗

研究人員進行超過20萬次模擬實驗，耗資5000美元，系統比較大模型在單輪與多輪對話下的表現，證實多輪場景成績明顯較差。現有評測基準大多基於單輪機制設計，輸入指令更長、資訊更完善，與真實情境有落差。