Google Research 发布 Fuse：评估 LLM 社交推理

Google Research 提出 Fuse 框架，用模拟构建社交推理的 ground truth：带隐藏动机的目标智能体与其他智能体（含扮演用户的智能体）互动，助手需从用户转述中推断动机。团队用 24k 条人工标注验证模拟，测试了 12 个 LLM，发现用户带偏见的叙述会改变助手答案，更长的对话并未可靠提升表现。框架与 21k 条样本已开源。