多卖少玩：基准测试大语言模型的真实销售技能

销售对话需要在不对称激励下进行多轮目标导向的说服，这对大语言模型极具挑战。现有基准鲜少衡量交易进展与结果。本文提出 SalesLLM，一个源自金融与消费品真实应用的双语基准，包含可控难度与人设的多轮场景。我们设计了全自动评估流程，结合基于 LLM 的销售进程评分器与微调 BERT 购买意图分类器。此外，训练用户模型 CustomerLM 以提升仿真 fidelity，显著降低角色反转率。实验表明该基准与专家评分高度相关，能有效评估面向结果的智能体销售技能。