τ-Elicitation：语音智能体的多轮实体信息采集基准

语音智能体通常需要精确收集姓名、地址、标识符、日期和时间等信息，但端到端基准测试无法明确捕捉失败的环节。我们提出了τ-Elicitation，一个包含200个任务的语音基准测试，涵盖10类实体、可控难度、真实来电者特征和三种环境。文本智能体能通过所有任务，但四种语音配置的稳健精确成功率仅为0.14至0.41。智能体在处理困难和陌生实体时增加验证，有时也对错误捕获进行验证，但对表现最差的来电者声音的验证无提升；仅有24至37%的验证错误被修复。引入一个包含拼写、读回、修正和确认的辅助框架，使Pass³成功率提升14至31个百分点，但每通电话耗时增加21至28秒。真实场景中的拼写变体和重启对精确成功率无显著影响；发音错误会增加修复难度。这些结果表明，策略选择和成功恢复是语音实体精确采集中的核心瓶颈。