IHBench: Evaluating Post-Interruption Recovery in Voice Agents with Structured Workflows

---

title: "IHBench: Evaluating Post-Interruption Recovery in Voice Agents with Structured Workflows" tags: [arxiv, 論文, voice-agent, benchmark, llm, enterprise, customer-service] source: https://arxiv.org/abs/2606.19595 date: 2026-06-17 domain: 技術深讀 type: research status: active updated: 2026-08-30 ---# IHBench: Evaluating Post-Interruption Recovery in Voice Agents with Structured Workflows

作者： Ahmad Salimi, Wentao Ma, Yuzhi Tang, Dongming Shen, Mu Li, Alex Smola 發表： 2026-06-17

摘要

本文提出 IHBench（Interruption Handling Benchmark），評估語音 Agent 在結構化工作流程中「中斷後恢復」的能力。現有基準測試只關注中斷時機（搶話偵測、端點偵測），IHBench 則評估中斷後 Agent 是否能正確恢復工作流程步驟、處理用戶插話、避免重複內容。測試涵蓋 10 個企業領域的 27 個音訊語言模型配置，發現封閉模型在任務完成率上顯著優於開放模型，且對話長度增長時劣化速度慢 3.3 倍。

企業應用啟示

對 CJ 哥輔導企業導入語音 AI 客服的場景：選擇語音 Agent 時，不能只看對話品質，必須特別測試「中斷恢復」能力，且目前封閉模型（OpenAI/Google）在此能力上明顯領先開放模型。

關鍵技術 / 觀點

中斷恢復是新能力軸：與一般對話能力不同，需要獨立評估

六種中斷類型：在受控位置注入，評估任務完成度與恢復品質

封閉 vs 開放模型差距：封閉模型劣化速度慢 3.3 倍，無音訊-文本模態落差

LLM Judge 驗證：以人類標註驗證自動評估的可靠性

10 個企業領域：客服、醫療排程、帳號管理等場景