EVA-Bench Data 2.0

EVA-Bench Data 2.0 面向 voice agents，包含 3 个企业领域、121 个工具和 213 个场景。相关论文摘要给出一个强信号：评估的 12 个系统中，没有系统同时在 EVA-A pass@1 和 EVA-X pass@1 超过 0.5，且 median pass@k - pass^k gap 为 0.44；这说明语音 agent 的峰值能力和可靠能力差距很大。