पेपर और शोध

EVA-Bench Data 2.0 रिलीज़: तीन प्रमुख क्षेत्र, 121 टूल, 213 परिदृश्य कवर

मूल शीर्षक:EVA-Bench Data 2.0: 3 Domains, 121 Tools, 213 Scenarios

AI सारांश

EVA-Bench Data 2.0 ने मूल्यांकन दायरा एकल उद्यम क्षेत्र से बढ़ाकर एयरलाइन ग्राहक सेवा प्रबंधन (CSM), उद्यम IT सेवा प्रबंधन (ITSM) और चिकित्सा HR सेवा वितरण (HRSD) तीन क्षेत्रों तक विस्तारित किया, कुल 121 टूल, 213 परिदृश्य शामिल हैं, परिदृश्यों की संख्या मूल संस्करण से लगभग 4 गुना बढ़ी। प्रत्येक परिदृश्य को OpenAI GPT-5.4, Google Gemini 3.1 Pro और Anthropic Claude Opus 4.6 द्वारा सत्यापित किया गया कि यह हल करने योग्य है। डेटासेट पांच डिज़ाइन सिद्धांतों का पालन करता है: वॉइस-प्राथमिक, वास्तविकता, विविधता, प्रमाणीकरण प्रक्रिया और पुनरुत्पादनशीलता, जिसमें एकल इरादा, बहु-इरादा (अधिकतम 4 इरादे) और विरोधी कॉल प्रकार शामिल हैं। सभी तीन डेटासेट ओपन-सोर्स हैं, `load_dataset` के माध्यम से Hugging Face से सीधे डाउनलोड किए जा सकते हैं। आगे बहुभाषी विस्तार पेश किया जाएगा।

मुख्य जानकारी

  • EVA-Bench Data 2.
  • 0 ने मूल्यांकन दायरा एकल उद्यम क्षेत्र से बढ़ाकर एयरलाइन ग्राहक सेवा प्रबंधन (CSM),उद्यम IT सेवा…
  • 4,Google Gemini 3.
  • 1 Pro और Anthropic Claude Opus 4.
  • 6 द्वारा सत्यापित किया गया कि यह हल करने योग्य है। डेटासेट पांच डिज़ाइन सिद्धांतों का पालन करता…

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
Hugging Face 社区博客(混合发现)
श्रेणी
पेपर और शोध
AI स्कोर
65
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

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。

संबंधित एंटिटी

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: EVA-Bench Data 2.0 रिलीज़: तीन प्रमुख क्षेत्र, 121 टूल, 213 परिदृश्य कवर। 4 जून 2026। https://new.nat6.net/hi/news/cmpzhk1rp03k5slkpmx3q7mp3/

सभी देखें →