Lanzamiento de EVA-Bench Data 2.0: tres grandes dominios, 121 herramientas y 213 escenarios
Título original:EVA-Bench Data 2.0: 3 Domains, 121 Tools, 213 Scenarios
Resumen de IA
EVA-Bench Data 2.0 amplía el alcance de la evaluación de un único dominio empresarial a tres dominios: gestión de servicio al cliente de aerolíneas (CSM), gestión de servicios de TI empresariales (ITSM) y prestación de servicios de RR. HH. sanitarios (HRSD), abarcando un total de 121 herramientas y 213 escenarios, aproximadamente 4 veces más escenarios que la versión original. La resolubilidad de cada escenario fue verificada por OpenAI GPT-5.4, Google Gemini 3.1 Pro y Anthropic Claude Opus 4.6. El conjunto de datos sigue cinco principios de diseño —prioridad a la voz, autenticidad, diversidad, flujos de autenticación y reproducibilidad— e incluye tipos de llamada de intención única, múltiple (hasta 4 intenciones) y adversariales. Los tres conjuntos de datos son de código abierto y pueden descargarse directamente desde Hugging Face mediante `load_dataset`. Próximamente se lanzará una ampliación multilingüe.
Puntos clave
- EVA-Bench Data 2.
- 0 amplía el alcance de la evaluación de un único dominio empresarial a tres dominios: gestión de…
- sanitarios (HRSD),abarcando un total de 121 herramientas y 213 escenarios,aproximadamente 4 veces…
- La resolubilidad de cada escenario fue verificada por OpenAI GPT-5.
- 4,Google Gemini 3.
Resumen rápido
- Publicado
- Actualizado
- Fuente
- Hugging Face 社区博客(混合发现)
- Categoría
- Artículos e investigación
- Puntuación IA
- 65
语音代理评测缺的就是这种真实场景的数据集,EVA-Bench 2.0 把航空、IT、医疗三个最棘手的领域打包了,生成流水线也开源,做评测的可以直接拿来用。
Entidades relacionadas
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: Lanzamiento de EVA-Bench Data 2.0: tres grandes dominios, 121 herramientas y 213 escenarios. 4. junio 2026. https://new.nat6.net/es/news/cmpzhk1rp03k5slkpmx3q7mp3/