当用户改变主意：LLM 智能体意图漂移的测量与修复

研究提出 IntentFlux 可执行基准，将可验证任务转为带受控意图变更的多轮对话，用于测量 LLM 智能体的"意图漂移"——已被取代的用户意图仍影响最终回答或工具调用。在 627 个案例的校准中，随着对话包含更多被取代和撤回的信息，平均任务得分从 0.476 降至 0.384；在八个模型上测试了完全正确解的比例。