บทความและงานวิจัย

EVA-Bench Data 2.0 เปิดตัว: ครอบคลุมสามโดเมน 121 เครื่องมือ 213 สถานการณ์

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

สรุปโดย AI

EVA-Bench Data 2.0 ขยายขอบเขตการประเมินจากโดเมนองค์กรเดียวเป็นสามโดเมน ได้แก่ การจัดการบริการลูกค้าสายการบิน (CSM) การจัดการบริการ IT ขององค์กร (ITSM) และการส่งมอบบริการ HR ด้านการแพทย์ (HRSD) ครอบคลุมเครื่องมือ 121 รายการและสถานการณ์ 213 สถานการณ์ จำนวนสถานการณ์เพิ่มขึ้นประมาณ 4 เท่าจากเวอร์ชันเดิม ทุกสถานการณ์ได้รับการตรวจสอบความสามารถในการแก้ไขโดย OpenAI GPT-5.4, Google Gemini 3.1 Pro และ Anthropic Claude Opus 4.6 ชุดข้อมูลยึดหลักการออกแบบห้าข้อ ได้แก่ การให้ความสำคัญกับเสียงเป็นอันดับแรก ความสมจริง ความหลากหลาย กระบวนการยืนยันตัวตน และความสามารถในการทำซ้ำ ประกอบด้วยประเภทการโทรแบบเจตนาเดียว เจตนาหลายแบบ (สูงสุด 4 เจตนา) และการโทรแบบต่อต้าน ชุดข้อมูลทั้งสามเปิดโอเพนซอร์สแล้ว สามารถดาวน์โหลดได้โดยตรงจาก Hugging Face ผ่าน `load_dataset` จะมีการขยายหลายภาษาในภายหลัง

ข้อมูลสำคัญ

  • EVA-Bench Data 2.
  • 0 ขยายขอบเขตการประเมินจากโดเมนองค์กรเดียวเป็นสามโดเมน ได้แก่ การจัดการบริการลูกค้าสายการบิน (CSM)…
  • 4,Google Gemini 3.
  • 1 Pro และ Anthropic Claude Opus 4.
  • 6 ชุดข้อมูลยึดหลักการออกแบบห้าข้อ ได้แก่ การให้ความสำคัญกับเสียงเป็นอันดับแรก ความสมจริง…

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
Hugging Face 社区博客(混合发现)
หมวดหมู่
บทความและงานวิจัย
คะแนน AI
65
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

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。

เอนทิตีที่เกี่ยวข้อง

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: EVA-Bench Data 2.0 เปิดตัว: ครอบคลุมสามโดเมน 121 เครื่องมือ 213 สถานการณ์ 4 มิถุนายน 2026 https://new.nat6.net/th/news/cmpzhk1rp03k5slkpmx3q7mp3/

ดูทั้งหมด →