EVA-Bench 是由 ServiceNow 发布的一款端到端语音智能体评估基准数据集，相关论文成果为 EVA-Bench: A New End-to-end Framework for Evaluating Voice Agents，旨在评测语音智能体的任务完成能力与交互体验，广泛应用于对话式语音智能体的仿真对话生成与质量测量。 该数据集包含 213 个场景，涵盖航空客服管理、医疗人力资源服务和企业 IT 服务管理 3 个企业领域，共涉及 39 类工作流与 121 个工具调用，支持对多轮语音交互、工具调用、任务完成情况和语音场景鲁棒性进行综合评估。

企业领域分类

• 航空客服管理（CSM）：涵盖 50 个场景，覆盖航班异常改签、自愿变更、取消、当日候补、补偿券发放、对抗性用户等
• 医疗人力资源服务（HRSD）：涵盖 83 个场景，覆盖医疗人员入职与资质审核、执照与 DEA 注册验证、 OTP 二次认证、请假与特殊申请、双意图 / 三意图复合请求以及对抗性用户等
• 企业 IT 服务管理（ITSM）：涵盖 80 个场景，覆盖事件分类与处理、升级控制、变更与问题管理、资产与权限分配、多层认证、单到四意图复合请求以及对抗性用户等