PulseAugur
中
实时 19:47:55
实体 EVA-Bench

EVA-Bench

PulseAugur coverage of EVA-Bench — every cluster mentioning EVA-Bench across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 6
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
时间线
  1. 2026-05-13 research_milestone Researchers released EVA-Bench, a new end-to-end framework for evaluating voice agents. 来源
最近 · 第 1/1 页 · 共 7 条
  1. SIGNIFICANT · CL_302150 ·

    SpaceXAI 发布 Grok Voice 3.0,具备实时全双工语音能力

    SpaceXAI 发布了 Grok Voice 3.0,这是语音代理的更新版语音到语音模型。新版本保持了与其前身 Grok Voice 2.0 相同的每分钟 0.08 美元定价,并使用“grok-voice-latest”别名自动更新现有代理。主要改进包括一秒以内的延迟,在 Artificial Analysis 基准测试中获得 97% 的全双工得分,以及增强了支持类代理的功能,据称在 Tesla 和 SpaceX 平台上每天处理数百万次对话。

  2. SIGNIFICANT · CL_299547 ·

    xAI 发布 Grok Voice 3.0,树立语音 AI 新标杆

    xAI 推出了 Grok Voice 3.0,这是一款专为客户支持和语音助手应用设计的新型语音到语音模型。据报道,该模型在通话解决率、低于一秒的延迟以及与其他前沿模型相比的成本效益等领域取得了行业领先的性能。独立基准测试显示,Grok Voice 3.0 在语音到语音指数和企业语音代理评估等指标上优于竞争对手,同时还展现了自然的对话能力。

  3. FRONTIER RELEASE · CL_255943 ·

    Google发布Gemini 3.8 Live和Extended Thinking音频模型

    Google发布了Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking,这两款新的先进音频模型旨在增强语音代理功能并创造更自然的AI对话。Gemini 3.8 Live专注于规模、速度和成本效益,能够处理句子中途打断和多语言转换,而Gemini 3.8 Live Extended Thinking通过并行推理和语音处理,为复杂的、多步骤任务提供更深层次的智能。这些模型正通过API向消费者、…

  4. SIGNIFICANT · CL_83825 ·

    xAI 发布 Grok Voice,具备类人性能且成本更低

    xAI 发布了 Grok Voice,这是一款新推出的语音 AI 模型, boasting 尖端的性能和类人特质。该模型同时实现了顶级准确性和用户体验,在 EVA-Bench 上超越了竞争对手。xAI 强调,与现有解决方案相比,Grok Voice 的成本效益也显著更高。

  5. RESEARCH · CL_71082 ·

    Hugging Face 将语音代理基准扩展到 3 个领域,121 个工具

    Hugging Face 发布了 EVA-Bench 数据 2.0,这是一个用于评估语音代理的扩展基准。新版本将其范围扩大到三个企业领域:航空公司客户服务管理、企业 IT 服务管理和医疗保健人力资源服务交付。更新后的数据集包含 121 个工具的 213 个场景,比之前版本有了显著增加,并已针对 GPT-5.4、Gemini 3.1 Pro 和 Claude Opus 4.6 等领先模型进行了验证。

  6. TOOL · CL_30709 ·

    新的EVA-Bench框架评估语音代理性能

    研究人员推出EVA-Bench,一个旨在全面评估语音代理的新框架。该系统通过生成逼真的模拟对话并衡量语音特定故障模式的质量来应对关键挑战。EVA-Bench 包含任务完成度、音频保真度和对话体验的指标,能够进行跨架构比较。该框架包括众多场景、口音和噪声的鲁棒性测试,并提供系统性能变化的洞察。

  7. RESEARCH · CL_44365 ·

    新基准和平台推动语音智能体评估与开发

    新研究推出了 EVA-Bench,一个用于评估语音智能体的综合框架,解决了模拟真实对话和衡量各种故障模式性能的挑战。同时,发布了新的韩语语音基准(KVoiceBench、KOpenAudioBench、KMMAU),以改进多语言 SpeechLM 的评估,并突显与以英语为中心的模型相比存在的性能差距。此外,Together AI 和 AssemblyAI 正在改进用于构建实时语音智能体的平台,重点关注降低延迟、改善集成和解决生产限制。