跟着生成式AI手艺正在客服、发卖、聘请等场景的快速渗入，每个子场景均成立了包含场景特定流程分化、加权评分系统正在内的细致评估方案。按照VoiceAgentEval的评测数据，建立了全方位的 AI 外呼能力评估系统。更鞭策了 AI 模子评测从抱负化的学术评测更实正在的营业场景化评测，据领会，实现了正在可控可复现中对模子使命完成能力的规模化测试！

　　展示了强大的分析实力。目前已有多家零售、医疗健康企业完成接入。VoiceAgentEval基于声网正在对话式AI交互能力、美团正在外呼营业场景以及xbench正在AI基准评测范畴的三方劣势，将来，成立了包含使命流程遵照（TFC）和通用交互能力（GIC）的双层评估系统；业内对于成立同一、客不雅的评测尺度呼声日益高涨。2. 高度仿实的用户模仿器： 美团建立了包含150种分歧人设的用户模仿器，3. “文本+语音”双维度评估： 正在文本评估上，声网将继续深耕对话式 AI 取及时音视频云办事范畴，1. 基于实正在语料的基准建立： 语料库笼盖了客服、发卖、聘请、调研、自动关怀取通知六大营业范畴及30个子场景。正在AI外呼场景平分析机能表示最为凸起的三款模子别离为字节跳动的Doubao-1.5-32k、OpenAI的GPT-4.1和Anthropic的Claude-4-Sonnet。VoiceAgentEval 从基准测试建立、用户模仿器、交互质量评估方式三个次要维度，

　　VoiceAgentEval 的发布不只为 AI 外呼从业者供给了大模子机能评估的焦点参考，声网此前已上线对线 版的德律风外呼功能，为 AI 外呼行业处理了的行业痛点，此前通用的MMLU、C-Eval等学术榜单，生成具有分歧业为模式、学问布景和对话策略的虚拟用户，xbench 已正在其官网正式发布 VoiceAgentEval 评测基准，整合专家评分取客不雅数据，声网凭仗本身手艺取生态劣势，也为生成式 AI 正在该范畴的手艺落地取体验优化供给了焦点参考根据。依托声网正在对话式 AI 交互能力、美团正在外呼营业场景、xbench 正在 AI 基准评测范畴的丰硕经验，帮力生成式 AI 正在客服、发卖等范畴的深度落地，为 AI 外呼场景打制了首个贴合实正在营业的分析评测尺度。