多轮对话稳定性模型评测：从失效归因到指标落地，少踩聊久就崩的坑 我自己在评测一线摸爬滚打这么些年，有一个感受越来越强烈：多轮对话这个事儿，表面上看着只是“多说了几轮”，骨子里的难度却是另一个量级。单轮问答里模型答对了一句，大家就鼓掌；一到多轮，第一轮答得漂漂亮亮，... chuanbook · 2026-10-25 · 53分钟 · 2
