在多轮对话中诱导行为

本文解决了在多轮对话环境中评估大型语言模型（LLM）的关键问题。它将现有的行为诱导技术（主要为单轮场景设计）扩展到更复杂的多轮语境。本文的贡献在于其用于分类诱导方法的分析框架、引入在线方法的广义多轮公式，以及对这些方法在生成多轮测试用例上的实证评估。研究结果突出了在线方法在发现行为诱导输入方面的有效性，尤其与静态方法相比，并强调了在LLM评估中需要动态基准。

• •将行为诱导技术扩展到多轮对话。
• •引入在线诱导方法的广义多轮公式。
• •证明了在线方法在发现行为诱导输入方面的有效性。
• •强调了在LLM评估中需要动态基准。