Talk2Agent：文本智能体语音接口评测基准

Talk2Agent 是一项用于评估语音接口向 LLM 计算机使用智能体传达口语指令有效性的评测基准。它基于 WildClawBench 和 OSWorld 构建真实语音任务，并提出了无需重复运行复杂任务的免执行评估框架。在 32 小时真实语音测试中，该框架与下游任务完成度紧密关联，皮尔逊相关系数较传统 WER/CER 提升了 0.246。