语音智能体基准 DECIDE 发布:1081 段真实通话、32 项决策任务实测 20 个模型
Aiden_Tech_Ai · x · 2026-11-08
研究者与 Bolna 联合发布 DECIDE 基准,专门测试语音智能体的「决策」能力,而非转写能力——该开口还是等待、如何路由呼叫、是否调用工具、何时切换语言等,这些依赖音频中的情绪、打断等信号,纯文本无法判断。
- 数据来自 1,081 段真实生产环境通话,产出 4,867 道决策题(片段 3-25 秒)
- 覆盖 32 个任务、6 大类:轮次把控、图路由、工具决策、语言切换、来电者情绪、业务意图
- 直连音频模型与 STT+文本管线共 20 个模型在同一题目上打分,可量化「音频到底带来多少增益」
作者强调所有测试用的是真实生产呼叫而非脚本化演示,这也是与现有基准的核心差异。
「编程与Agent」频道最新
- YC 团队 boat.dev 22 个月零到百万 ARR，6 次转型后爆发 — zack_overflow · 2026-11-08
- Apple 官方插件让 Claude Code 直接构建和调试 iPhone 应用 — SumitGup · 2026-11-08
- Warp 高管称编码 agent 已商品化，「软件工厂」才是真战场 — vikvang1 · 2026-11-08
- 博主公开四席位 AI 内容流水线：AI 只做研究，写voice留给本人 — PrajwalTomar_ · 2026-11-08
- 研究者:Opus 5.5 无人值守一天自动补齐预训练 scaling 实验 — RylanSchaeffer · 2026-11-08
- 用 Claude Code skill 一首歌自动产出完整 MV，还会先报预算 — AIandDesign · 2026-11-08