研究人员推出了 CallScreenBench,这是一个旨在评估小型语言模型作为电话秘书性能的新基准。该基准侧重于对话决策层,评估这些模型在没有主人直接监督的情况下处理未知来电的能力。CallScreenBench 衡量了呼叫处理的五个关键方面,包括服务、召回率和合理性,重点关注主人是否会认可模型的行为。 AI
影响 该基准测试有望加速能够处理接听电话等个人任务的设备端 AI 代理的开发。
排序理由 该集群包含一篇介绍用于评估 LLM 的新基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →