Le filThèmes : ÉvaluationsAgents
VoxParity mesure si les agents vocaux adaptent leurs actions à ce qu’ils entendent
1 sourcemis à jour il y a 6 jpertinence 2,8 sur5
L’essentiel
Le benchmark compte 183 scénarios dans 14 secteurs. Seuls 11 des 23 systèmes testables sur la transcription passent le test de référence fondé sur les seuls mots, et les erreurs penchent vers les mots.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceBhavik Manglahuggingface.co
Almost Human, Except When It Matters: VoxParity and the Decisions a Voice Should Change (site externe)
A voice agent can handle almost every call on the words alone and still fail the few its sector’s rules were written for.
Sur les mêmes thèmes
Agents
LangChain intègre un routeur de modèles à son agent open source Open SWE et réduit le coût médian
Évaluations
Microsoft publie ThinkingBox, un benchmark qui note les agents sur l’état final de la base de données
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
Weave publie en open source Weave Router 2.0, qui oriente les agents de code vers différents modèles
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5