Sierra 推出 𝜏-Entity 基准，测试语音智能体采集姓名电话等实体…
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载基准测什么
𝜏-Entity 针对语音智能体在通话中采集单一实体信息的环节：每个任务从一个缺失值开始，智能体需要向通话方索取并正确提交，存储值与期望值完全一致才算成功。基准共 200 个任务，覆盖姓名、电话、地址、邮箱等十类实体，每通电话只针对一个字段，通话方配合并在被要求时准确拼读，多数通话不到两分钟。评测还从三个维度改变难度：值本身的难易、通话方行为（如纠正与重来）、以及音频环境。
Pass³ 与榜单成绩
评测使用 Pass³ 指标，即同一任务在常规、强噪声、多人说话三种条件下是否都成功，从而把“能否采到值”和“条件变化下是否稳定”分开。榜单汇总六种语言：GPT Live 1 在常规通话中正确率 60.3%，三条件全通过仅 34.0%；Gemini 3.8 Live 与 Grok Voice Think Fast 2.0 常规为 43.8% 和 44.2%，三条件降至 19.5% 和 24.0%。仅英语时 GPT Live 1 为 74.0% 与 47.5%，西班牙语、葡萄牙语、印地语接近英语，部分模型在这些语言上高于英语；韩语 Pass³ 仅 3.5–8.5%，普通话为 12.5–24.5%。
何时该慢下来
材料指出，人在不确定是否听清时会放慢速度、请对方重复、拼读姓名或确认所听内容；智能体只识别部分需要放慢的理由，另一些则被漏掉。Sierra 在 𝜏-Elicitation 论文中以回读和请求拼读的次数衡量这种核验投入，说明采集实体信息不只是识别准确率问题，还涉及智能体主动核验的行为。
为什么值得看
语音智能体常因一个姓名或号码听错而卡在身份验证，该基准把这一瓶颈量化，并给出多语言、多噪声条件下的可比分数。
信源1 家
关键事实
𝜏-Entity 包含 200 个任务，覆盖姓名、电话、地址、邮箱等十类实体，每通电话只聚焦一个字段。[1]
评测采用 Pass³，考察智能体在常规、强噪声、多人说话三种条件下是否都能正确完成同一任务。[1]
GPT Live 1 在常规通话中正确率 60.3%，三种条件全部通过的比例为 34.0%。[1]
Gemini 3.8 Live 与 Grok Voice Think Fast 2.0 常规条件分别为 43.8% 和 44.2%，三条件全通过降至 19.5% 和 24.0%。[1]
仅英语条件下 GPT Live 1 常规正确率 74.0%、三条件 47.5%；韩语 Pass³ 为 3.5–8.5%，普通话为 12.5–24.5%。[1]
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。