TPBench：面向对话压缩的转折点基准

TPBench 评估对话压缩在三个互补信息目标上的表现：P1 用户初始目标、P2 被修改槽位的当前值、P3 两者兼有。数据来自 MultiWOZ 与 SGD 的人工对话状态标注，当前值恢复另在 LongMemEval-KU 与中文 RiSAWOZ 上测试。