对话是一个双体问题：全双工对话模型的二元评估

论文提出 DyaFDB 评估框架，让两个全双工对话模型在指定角色下直接对话，并以外部裁判离线为双方打分。框架包含 4 个任务、140 个场景，记录 7,560 段对话，覆盖 6 种自我对弈与交叉对弈组合。实验显示模型行为会持续重塑对话伙伴，作者将开源场景、角色提示词与双模型录制协议，不含预录音频。