11 月 10 日提交的一项研究，把 AI 回答评估的视角转向用户后续发言：即使回答通顺，用户也可能觉得没有解决问题。研究团队利用带有自报不满标签的对话，测试这些信号能否从文本中识别。
在英语交互中，基于用户发言的方法，其 AUPRC 最多比 17.8% 的不满标签基准比例高出 15 个百分点。比较当前和上一条用户发言的变化，也能为检测提供帮助。
研究说明回答质量与用户满意度并不完全重合，但这只是指定数据上的检测结果，不能把分数当作对每个人情绪的准确判断，也不能替代用户明确提出的修改要求。
来源：arXiv 原文。
图片来源：论文作者 / arXiv。