#multi-turn conversation

20 stories · 0 in 7 days · 0 in 30 days

Agent Evaluation Metric 1 AI safety 1 Amazon 1 BLUEPRINT 1 GradSafe 1 IDSS 1 LLM security 1 Qwen2.5-7B-Instruct 1

Stories, products and papers tagged "multi-turn conversation", newest first.

Oct 6

Papers Builders09:57

Chinese content用强化学习教模型在信息不足时提出更有效的问题

一篇很实用的研究：教AI在信息不够时该怎么提问。用在图像生成上做了RL训练，真人实验里提问更少效果还更好，做对话产品的可以参考这套思路。

#reinforcement learning #image generation #prompt engineering #multi-turn conversation

arXiv cs.AI@Pranav M R et al. (4)Source

Oct 2

Papers Builders10:47

Chinese contentTRACE方法提升多轮对话安全性

TRACE让大模型在多轮对话中也能保持安全，性能损失极小，代码已开源。

#TRACE #LLM security #multi-turn conversation

arXiv cs.AI@Fengpeng Li et al. (6)Source

Sep 30

Papers Policy09:16

Chinese content梯度检测在多轮对话中的脆弱性研究

这篇论文揭示了梯度检测在多轮对话中的局限性，对AI安全研究人员和模型开发者有重要参考价值。

#GradSafe #multi-turn conversation #Qwen2.5-7B-Instruct #AI safety

arXiv cs.LG@Omar Sheta et al. (4)Source

Sep 11

Models BuildersOfficial00:07

Chinese content亚马逊推出多轮对话智能体评估指标

亚马逊搞了个新东西，专门用来评估多轮对话的智能体，能帮你找出具体是哪个回合出错了，比以前的方法更细。

#Amazon #Agent Evaluation Metric #multi-turn conversation

Primary sourceAWS Machine Learning Blog@Surafel LakewSource

Sep 3

PapersSelected10:00

Blueprint Jailbreak Attack Framework

Developers can use BLUEPRINT to test model safety against multi-turn jailbreak attacks that distribute harmful intent across dialogue.

#BLUEPRINT #WORLDSIM #safety evaluation #multi-turn conversation

arXiv cs.AI@Siyu Chen et al. (6)Source

Aug 18

Papers10:06

Chinese contentIDSS：面向用户中心多轮智能体的意图驱动情境追踪框架

不用微调，加一个显式情境状态就能让多轮智能体少做无效动作、记得关键事实，三个基准上八种模型都有效果提升。

#IDSS #agents #multi-turn conversation

arXiv cs.AI@Meiling Tao et al. (3)Source

Aug 12

Papers18:08

Chinese contentConVAWG：面向暴力侵害女性场景的检索增强合成对话生成框架

想研究敏感场景对话生成？ConVAWG 用检索增强和毒性控制，造出 6000 多轮高质量对话，还带详细元数据，值得一看。

#ConVAWG #RAG #multi-turn conversation

arXiv cs.AI@Chen Lyu et al. (7)Source

Jul 28

Models00:03

Chinese contentEvoCode 评测：多轮智能体能否不破坏已有功能

想知道智能体在多轮对话里会不会越改越烂？EvoCode 用 26 个任务 227 轮测试，专门抓这种翻车现场。

#EvoCode #agents #benchmarks #multi-turn conversation

Philipp Schmid@_philschmidSource

Jul 26

Models02:52

Chinese contentLLaDA 2.2 成为首个可处理真实代理工作的扩散语言模型

可以把扩散模型当成真智能体用，规划工具自己纠错，解码还比自回归快，不试试？

#LLaDA #diffusion language models #agents #tool use

elvis@omarsar0Source

Jul 14

PapersMulti-source11:14

Chinese contentEYT-Bench：以人为中心的多轮对话新基准，解耦用户模拟、目标建模与评判

这篇论文提出了EYT-Bench，能更真实地测出LLM在多轮对话中的意图追踪能力。用16/17模型发现推理模式大幅提升长上下文准确率，值得关注。

#EYT-Bench #multi-turn conversation #benchmarks #reasoning models

Event

arXiv: DeepSeek@Jinglan Gong et al. (8)Source

Jun 24

Papers12:08

Chinese content多轮LLM对话中NFR评估的准确性与满意度

这篇论文用49个程序员和148个实例，实测了GitHub Copilot评估HIPAA合规NFR的准确度，发现开发者容易被带偏，但主动交互反而让人更满意。

#LLM #NFR #HIPAA #GitHub Copilot

arXiv cs.AI@Ali Pourghasemi Fatideh et al. (5)Source

Jun 17

Papers09:37

Chinese contentDiagFlowBench：评估语言模型处理偏离流程输入的诊断对话

DiagFlowBench这个新基准专门用来测语言模型在操作维护场景里，能不能识别用户问跑题的问题。10个模型测下来，差得挺大，而且那种看似合理但不对的答案最危险。论文值得一看。

#DiagFlowBench #reasoning models #AI safety #multi-turn conversation

arXiv cs.AI@Guillermo Gil de Avalle et al. (4)Source

Models US vs China03:58

Chinese contentGLM-5.2 (Max) 在 Text Arena 排名第25，部分子类别提升显著

智谱新模型 GLM-5.2 整体排名没变，但在专家问答和多轮对话上进步明显，写创意和医学内容更强了。

#GLM-5.2 #GLM-5.1 #Zhipu #Text Arena

lmarena.ai@lmarena_aiSource

Jun 11

Papers10:07

Chinese content信息增益衡量多轮对话语义进展：无需LLM评判的新指标

做对话系统评估的团队终于有了一个可复现、低成本的替代方案——无需调用大模型就能衡量对话的语义进展，建议做客服或问答系统的开发者试试这个指标。

#multi-turn conversation #embedding models

arXiv cs.LG@Paul He et al. (3)Source

Jun 5

PapersSelected13:00

Chinese contentCogManip 基准测试：多轮对话中大模型的操纵行为风险

AI 安全研究者终于有了评估隐性操纵的专用工具——CogManip 覆盖 15 种策略、1000 个场景，做模型对齐和红队测试的团队可以直接拿来用。

#large language models #AI safety #benchmarks #multi-turn conversation

arXiv: DeepSeek@Zeyang Yue et al. (8)Source

Jun 2

Papers12:04

Chinese contentHarmAmp & TrajSafe：应对LLM多轮对话中的危害放大

多轮对话中的危害放大是LLM安全部署的盲区，做AI安全或内容审核的团队可以关注HarmAmp基准和TrajSafe方案，直接用于评估和加固自己的模型。

#LLM security #multi-turn conversation #HarmAmp #TrajSafe

arXiv cs.LG@Ruohao Guo et al. (3)Source

May 22

ProductsSelected08:06

Chinese contentDataboxHQ 用 LangSmith 评估多轮分析智能体 Genie

做多轮对话智能体的团队终于有了可落地的评估方案——LangSmith 帮 Databox 把 Genie 的对话质量量化了，建议做 AI 分析助手的开发者点开看看具体怎么做的。

#agents #model evaluation #LangSmith #data analytics

Official accountLangChain@LangChainAISource

May 19

PapersSelected72°14:03

Chinese content低资源非洲语言多轮对话可越狱主流LLM，成功率最高83.6%

安全团队和LLM开发者需要警惕：多语言安全漏洞远未被堵住，低资源语言成为新的攻击面。建议立即检查自家模型的多轮对话安全机制。

#low-resource languages #multi-turn conversation #security vulnerabilities #LLM security

arXiv: DeepSeek@Dylan Marx, Marcel DunaiskiSource

May 15

PapersSelected11:06

Chinese contentSelf-Recall Thinking提升多轮对话一致性，F1提升4.7%

做对话系统或客服机器人的团队，SRT解决了长对话中信息稀疏和一致性差的痛点，无需外部模块就能提升效果，值得在长上下文场景中试试。

#multi-turn conversation #inference optimization #Self-Recall Thinking

arXiv cs.AI@Renning Pang et al. (6)Source

May 14

ProductsMulti-source15:02

Chinese content小米MiMo多轮对话需保留推理内容，否则返回400错误

这个API变更直接影响使用小米MiMo模型的智能体开发者，尤其是多轮对话场景。如果你在用TRAE、Cursor等框架集成MiMo，建议立即检查代码，避免因缺失推理内容导致400错误和体验降级。

#agents #multi-turn conversation

Event

xiaomimimo@XiaomiMiMoSource