提出 Full-Duplex-Bench-v3(FDBv3)基准,用于在真实人类语音(含五类自然语流中断)和多步工具调用场景下评估全双工语音代理,涵盖准确率、延迟和轮转交互三个维度,并对六种模型配置进行了评测,发现自我纠正处理与复杂多步推理仍是主要失败模式。
机构:NVIDIA
来源:arXiv 2604.04847 | AI4Papers 论文推荐平台