マルチターン会話のエージェント評価指標

マルチターンエージェントは、シングルターン評価では失敗する方法で失敗します。つまり、初期の 1 つのミスが後のターンごとに失敗します。この投稿では、エージェントの品質を測定するための分解可能なターンレベルの方法であるエージェント評価メトリクス (AEM) を紹介します。

概要は情報提供のみを目的としてまとめられています。全文についてはソース リンクを参照してください。デモのエントリは一例です。