DialFork ukur halusinasi prosedural agen percakapan, bukan sekadar salah fakta
Tolok ukur DialFork menguji apakah agen percakapan mengikuti alur prosedur, bukan hanya benar isinya, lewat 36.278 dialog dalam 24 tugas dan 12 domain.
Tolok ukur DialFork menguji apakah agen percakapan mengikuti alur prosedur, bukan hanya benar isinya, lewat 36.278 dialog dalam 24 tugas dan 12 domain.