VoiceArena 发布 Jarvis Bench v0.5 语音智能体基准，拆解任务完成度与自然度评测

VoiceArena 于 2026 年 9 月 15 日发布语音智能体基准 Jarvis Bench v0.5，旨在通过解耦任务完成度与交互自然度两个维度建立细分评估标准。

• 评测流程采用真人与语音智能体进行实时对话交互，并由另一组人类测试员进行双盲成对打分与投票。
• 评测体系将模型表现拆解为「任务完成度」与「自然度」两项独立指标，并引入人类智能体作为对照基准。
• 初步评测结果显示，模型与人类在任务完成度上的差距相对较小，但在交互节奏与自然度方面仍有明显差距。
• 影响/看点：将完成度与自然度分离评测有助于精准定位语音模型的短板，若双盲测试样本量与多样性保持充沛，将为端到端语音模型的调优提供更具针对性的参考依据。
• 资料依据:
• VoiceArena 官方发布（2026-09-15）：https://voicearena.ai/benchmarks/jarvis-bench
• Rohan Paul 评测速递（2026-09-15）：https://x.com/rohanpaul_ai/status/2099703670719774924

本内容由 AI 生成，仅供参考，请注意甄别