XYBench 基准：最强 LLM 识别用户误解不足 63%

CMU 等机构提出包含 8,115 条查询的 XYBench，考察 LLM 能否识别「XY 问题」式提问中的误解并引导用户解决根本问题。实验显示，最强的 LLM 大多照字面回答请求（0.75–0.92），很少回应用户真实意图（0.33–0.71），识别误解最高仅 63%，低于人类的 79–90%。消融结果表明，生成时显式给出用户意图有帮助，但实用性重定向引导仍是当前 LLM 的短板。