北京大学发布ReqElicitBench数据集,应用在软件工程、需求启发领域

北京大学本次发布的数据集ReqElicitBench,ReqElicitBench是由北京大学团队主导构建的对话式需求启发评估数据集，包含101个网站需求场景，覆盖10种应用类型。该数据集通过建模初始需求、隐含需求和最终需求的差距，为自动化评估提供基准。数据采用GPT-5.1模拟真实用户交互生成，经555轮真实对话验证，与专家判断的一致性系数达0.72。该数据集支持LLM在软件工程领域的需求挖掘能力量化评估，尤其针对隐式需求的识别效率和多轮对话策略分析。

查看ReqElicitBench

README内容：

关于北京大学,北京大学是中国著名的综合性研究型大学，创建于1898年，前身为京师大学堂。学校位于北京市，是中国顶尖的高等学府之一，在国内外享有极高声誉，涵盖文、理、工、医等多个学科领域。

关于arXiv,arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。