Voice Agent Benchmark Landscape argitaratzen dugun datu-multzo bat da: ahots-agenteentzako, ahozko laguntzaileentzako, hizketaren bidezko tresnen erabilerarako, ordenagailuko ekintzetarako, hizketaren ezagutzarako eta bileren ulermenerako benchmark publikoen mapa egituratu bat. Orri hau haren argitalpen-erregistroa da.
Zer den
- 13 benchmark, errenkada bana, makinak irakur dezakeen fitxategi batean (data/benchmarks.jsonl), eremu-kontratu dokumentatu batekin (data/schema.json).
- Errenkada bakoitzak benchmarkaren foku nagusia erregistratzen du; ea ahozko sarrera, ahozko irteera, txanda anitzeko elkarrekintza, tresnen erabilera, helburuen betetzea, ordenagailuko edo nabigatzaileko ekintza, bilerak edo material luzea eta denbora errealeko funtzionamendua estaltzen dituen; datuak publikoak diren; kodearen eta datuen lizentziak, bereizita erregistratuta; biltegiaren, datu-multzoaren fitxaren eta artikuluaren helbideak; egiaztatu zen azken data; eta froga-oharrak.
- Balioak bai, ez, partziala edo ez dago argi dira. Partzialak esan nahi du gaitasuna suitearen zati batean agertzen dela edo zeharka ebaluatzen dela; ez du kalitatea deskribatzen.
- Errenkada bakoitzak gutxienez lehen mailako iturri bat du, iturrien audientzian zerrendatua. Uneko bertsioaren datuak 2026ko irailaren 1ean egiaztatu ziren, mantentzaileen biltegi, datu-multzoen fitxa eta artikulu publikoetatik.
Zer ez den
- Ez da sailkapen-taula bat. Ez du puntuaziorik eta ez du ezer sailkatzen. Bertan egoteak ez dakar babesik. Zergatik horrela eraiki zen Nola eraiki zen ahots-agenteen benchmarken paisaia artikuluan azaltzen da.
- Ez da ebaluazio-esparru bat. Ez dago ezer eredu baten aurka exekutatzeko; biltegiak datuak, haren eskema, baliozkotzaile bat eta kontsulta-tresna bat eskaintzen ditu.
- Ez da Cueren benchmarka. Google DeepMinden kasu-azterketan deskribatutako 227 lagineko produkzio-benchmark pribatua ez da horren parte.
Non argitaratzen den
| Non | Helbidea | Funtzioa |
|---|---|---|
| GitHub | Sophon-LLC/voice-agent-benchmark-landscape | Erregistro-iturria: datuak, eskema, iturrien audientzia, ekarpen-arauak, probak |
| Zenodo | doi.org/10.5281/zenodo.22227265 | Artxibatutako bertsioak DOIekin; kontzeptuaren DOIak beti bertsio berrienera eramaten du. |
| Hugging Face | chatjesus/voice-agent-benchmark-landscape | Datu-sortaren ispilua. |
Bertsioak
| Bertsioa | Data | Erregistroak | Lizentzia | Bertsioaren DOIa |
|---|---|---|---|---|
| v1.0.2 | 2026ko irailaren 1a | 13 | MIT | 10.5281/zenodo.22227266 |
v1.0.2 bertsioaren Zenodo erregistroak datu-sortaren SHA-256a dakar (1d36c7b3f73565147fb7afff076c611c5fddc331e3ec47dc867625b75b70bbf4), deskargatutako kopia bat artxibatutakoarekin egiazta ahal izateko.
Nola aipatu
Biltegiaren CITATION.cff fitxategiak Sophon LLC izendatzen du egile gisa. Aipatu bertsioaren DOIa erreproduzigarritasun zehatza garrantzitsua denean, eta kontzeptuaren DOIa etengabe garatzen ari den proiekturako:
Sophon LLC. Voice Agent Benchmark Landscape, version 1.0.2. 1 September 2026. https://doi.org/10.5281/zenodo.22227266
Zuzenketak
Zuzenketa batek errenkada, eremua, proposatutako balioa eta lehen mailako iturri bat izendatzen ditu, biltegiaren CONTRIBUTING.md fitxategiari jarraituz. Aldaketak bertsio berri gisa argitaratzen dira, DOI berri batekin.