（来源：上观新闻）
《智能体用户体验🎦🚢评估指南📛》则创🔂🎃新打造了🍆“三维一体”综🛏📰合评估模型，🇳🇦融合用户⛔🍀主观评价、专⛑家体验走查、系🇲🇾🍷统行为数据三👩🏫👩👧👦种互补路径🇭🇷，打造全维度、🛀可落地的智能体🧙♂️体验评💽估体系🚸。Anthrop🗨🥥ic、伦敦🇧🇿天天爽中文字幕大学学院、“机🍷🚓器学习对齐🇬🇩与理论学🇹🇹者项目”（MAT☪S）的研究者们⬇🇧🇧用Opus❌ 4的红队测🚸试方法，把包⏭括Anthr8️⃣🈂opic🇧🇫🧤竞争对手产品的1💂♀️6款市面上主👸⚜流大模🇲🇬型全都🇮🇶🛑测了一遍🔩🚮，表示“我不是🔯针对谁，我是说✏在座的各位都不是🇫🇰🚆好东西”⏰😦。
让我们用一个简🧸🎈化示例说明，🈚假设训练语🍤🇷🇺料包含以下词汇及🌱出现频率： “📹hug🥑”：10次 “🥓pug”：5次🇬🇲 “pun”：1⛑🇧🇧2次 “🏐🙅bun”🇲🇦：4次 “🚰hugs🥔🇺🇦”：5次 💐第一步：将所有♍词拆分为字符🦙，添加结束🎠符 “hu😸🔓g” → “h 🌿u g ” “⛑pug” → “⛅p u g ” ⚗🇧🇩“pun” → 🏈“p u n ✏✊” “😯bun🌤” → “b😊 u 🏛n ” “hu🇼🇸gs” → 🇰🇭“h u🇱🇷🏃 g 📒s ” 初始词😹🇼🇫汇表仅包📇含基础字🇦🇶符：{b, g,🤪📱 h, n,🕜🏔 p, ⌛s, u,👠 t} 第二步🎍：统计相🗡邻字符对的出现频📦👮♀️率 “u 🔫2️⃣g”：🤚🇲🇲15次（来👌自“hug”的🔲10次 +4️⃣ “hug🚏s”的5次）🥚🎼 “u 🔀n”：1⚛🌰6次（来自“🆒pun”的12👨👨👧👧次 + “bu🚶♀️n”的🍑📿4次） ⛈“p u”：1🚙🧛♀️7次（来自“pu🇹🇩g”的5次 🐕+ “pun”😷的12次） 🏩第三步🌶：合并🚁最高频字符对 🥠💀假设“p u”频🍓🐩率最高（⏩🐮17次📉🧝♂️），创建新符💟号“pu”， 词🎷🕰汇表扩展为：🏎{b, g,🔤🚻 h,💤🚭 n,🛠🐷 p, s💳, u, ⚪, p👩👧👦u} 第四🐿步：迭代😝💼重复 继续统计新8️⃣语料中的🕕字符对频率，🎄合并下一个最↗高频对，直到达🚜到预设的词汇🛩😞表大小（如🚇🧠GPT😗💴-2为50,25🇫🇰🙃7个token）🎠🚶♀️。
