用户中途改主意怎么办？IntentFlux 基准揭示 LLM 智能体「意图漂移」致得分跌至 0.384

Yanjie Zhang 等发布可执行基准 IntentFlux，量化 LLM 智能体在多轮交互中用户意图变更后的「意图漂移」失败模式。627 例校准显示，被取代和撤回的信息越多，平均任务得分从 0.476 跌至 0.384。配套 StateForge 显式维护活跃需求，把 General-Test 得分从 0.367 提到 0.467，但仍无法恢复单轮水平。