BrandEval：面向风险敏感型 LLM 危机沟通的双轨多智能体基准

arXiv 论文提出 BrandEval，一个面向产品危机沟通的双轨基准。BrandEval-Static 评估利益相关方感知的战略分析能力；BrandEval-Dynamic 则在名为 BrandPolis 的多智能体沙盒中，用消费者反馈、竞品回应和信任风险轨迹来压力测试响应策略。作者还构建了中文危机响应数据集 BrandSRD，并用 Strategic Rationale（SR）实现参考 Strategic Agent。测试发现，静态战略质量虽与部分终局结果相关，却无法可靠预测波动与延迟恢复，动态压力测试还暴露出策略在操纵性内容或依据薄弱时的尾部风险失败。

现有危机沟通评测多是静态单轮，难以反映公众反馈与竞品行动如何随时间重塑信任。该工作把评测扩展到长期风险轨迹和多方互动，并补充中文数据，为风险敏感场景提供更接近实际传播环境的检验方式。

BrandEval 将评测拆成两层：静态层考察利益相关方视角下的战略分析质量，动态层把模型放入受控沙盒，借消费者反馈、竞品回应和信任风险轨迹形成多轮压力。Strategic Rationale 作为参考智能体的推理框架，用于对照不同模型在相同互动机制下的表现差异。

对做客服、公关或品牌监测产品的团队，这意味着单轮回复质量不足以支撑上线判断，需把多轮反馈、竞品变量和延迟恢复纳入评测与回归测试。若采用类似沙盒，研发要增加状态追踪与风险轨迹指标，评测成本会从单次推理转向多轮模拟。

• 在品牌舆情或客服产品中引入多轮沙盒评测，用信任轨迹和恢复延迟作为模型上线门槛。
• 围绕中文危机响应场景构建企业自己的测试集，覆盖安全、质量、服务、信任四类事件。
• 将 Strategic Rationale 式结构化推理接入公关响应生成流程，并保留人工审核节点。
• 对外提供风险敏感沟通的压力测试服务，输出波动性与尾部风险报告。

• BrandEval 与 BrandSRD 的具体数据规模、标注方式和评测指标尚未在摘要中披露。
• Strategic Agent 的实现细节与 SR 框架的完整定义需查阅论文全文。
• 动态沙盒中消费者与竞品行为由何种模型或规则驱动，证据不足。
• 静态评分与动态结果之间的相关性强度尚无具体数值。