实时语音智能体评估：从组件质量到实际落地效果
随着实时语音智能体从研究走向实际部署，其评估标准仍割裂在语音基础模型、轮次转换心理语言学与智能体基准三个领域之间。架构论文常关注延迟，轮流对话研究关注预测准确度，而智能体基准则侧重任务成功率，缺乏统一评价体系。该论文通过梳理38篇核心文献，提出了系统性的三维评估证据链框架，旨在为实际部署的实时语音智能体提供从单点性能到落地效果的全流程评估方法。
推荐理由梳理了当前语音智能体评测碎片化的痛点，提出跨领域的端到端评测框架，对构建实时语音交互系统的团队有参考价值。
原标题：Evaluating Real-Time Voice Agents: From Component Quality to Grounded Outcomes
阅读 arXiv 人工智能 原文 ↗