τ-Emotion-Bench：情绪化用户暴露智能体脆弱性
AI 总结
一篇投稿至 NeurIPS 2026 UserSim Workshop 的论文提出 τ-Emotion-Bench，一个覆盖十个领域的基准，用于在受控的情绪化用户交互下评测工具调用智能体，同时保持底层任务目标不变。作者同时提出可扩展的智能体数据生成流程 Tracer，通过允许不满意的用户终止低效交互，过滤掉过度依赖用户的轨迹，并据此训练 Qwen3 系列模型。实验显示，前沿智能体的平均任务成功率与稳定完成率之间仍存在明显差距，而 Tracer 生成的监督能提升不同规模的 Qwen3 模型，并可迁移到 τ-Bench 与 τ-Trait。
深度见解
用户情绪是智能体真实部署中常见却常被基准忽略的变量，该工作提供了可扩展的评测基准与交互感知的训练信号。