EVA-Bench Data 2.0 发布:覆盖三大领域、121 个工具、213 个场景
原文标题:EVA-Bench Data 2.0: 3 Domains, 121 Tools, 213 Scenarios
AI 摘要
EVA-Bench Data 2.0 将评估范围从单一企业领域扩展至航空公司客户服务管理(CSM)、企业 IT 服务管理(ITSM)和医疗 HR 服务交付(HRSD)三个领域,共涵盖 121 个工具、213 个场景,场景数较原始版本增长约 4 倍。每个场景均经 OpenAI GPT-5.4、Google Gemini 3.1 Pro 和 Anthropic Claude Opus 4.6 验证可解性。数据集遵循语音优先、真实性、多样性、认证流程和可复现性五项设计原则,包含单意图、多意图(最多 4 个意图)和对抗性呼叫类型。所有三个数据集已开源,可通过 `load_dataset` 从 Hugging Face 直接下载。后续将推出多语言扩展。
关键信息
- EVA-Bench Data 2.
- 0 将评估范围从单一企业领域扩展至航空公司客户服务管理(CSM)、企业 IT 服务管理(ITSM)和医疗 HR 服务交付(HRSD)三个领域,共涵盖 121 个工具、213 个场景,场景数较原始版本…
- 每个场景均经 OpenAI GPT-5.
- 4、Google Gemini 3.
- 1 Pro 和 Anthropic Claude Opus 4.
速览
- 发布时间
- 更新时间
- 分类
- 论文与研究
- AI 评分
- 65
推荐理由
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。
相关实体
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:EVA-Bench Data 2.0 发布:覆盖三大领域、121 个工具、213 个场景。2026年6月4日。https://new.nat6.net/news/cmpzhk1rp03k5slkpmx3q7mp3/