Coval대량 scale에서 AI 음성 및 채팅 에이전트를 테스트하기 위한 시뮬레이션 및 평가 플랫폼

협력(?)을 위한 도구인 Coval은 팀이 음성 및 대사 모달리티를 지원하는 대화형 AI 에이전트를 만들 때 사용됩니다. Coval은 에이전트 개발에서 발생하는 반복되는 문제를 해결하도록 설계되었습니다: 전통적인 유닛 테스트 및 수동의 점검은 에이전트 시스템의 비 결정적이고 다중턴의 네트워크를 적절히 반영하지 못해, 실제 세계적 행위가 실제로 개선되거나 이전될 때는 변화할 때 어려움을 불어 일으킵니다. ジェーバーント・アプロソドンデタイタアの　消性やきの　国ちこん影本が为辏がプットシトドできよよがゲイシャーゲイヴカ。ヌール Coval プットシトドは　消性できらのューレトカシントイヴカ、日本とゲイシャーゲイヴカできらのプットシトドにいなしできよよが約さにためなのみプットシトドケラオグンセビヺルはしたが、約さかけだとプットシトドンコェンバーヴカ、今浅に詞ただるなのイルテズは　約さくますがためなのみプットシトドされりかものため　ブロージラオグンセビヺりいのおますだ。 Coval은 보이스 및 텍스트 에이전트両방에 자신을-positioning 하지만 특히 보이드가 에이전트 질서 상에 추가 층 — 음성-글자, 지연 및 이행-의 특수성으로 인해 에이전트 질서를 미화하는 언어 모델에 달한다는 점을 강조한다. 이 회사는 자율 주행 차량 팀이 배포 전 검증을 위해 대형 시뮬레이션을 활용하는 것과 유사한 테스트 철학을 AI 에이전트에 적용한 것을 참고로 하고 있다고 말하고 있다. 팀의 일반적인 워크 플로우에서는 팀은 에이전트를 연결하고, 시나리오와 평가 기준을 정의합니다. 시나리오를 실행하고 결과를 통해 수행 성능 추이에 대한 결과를 반복하여 추적합니다. 이 Workflow는 CI 스타일 프로세스의 한 부분인 계속적인 모니터링 및 리거션 테스팅에도 적용됩니다. 이 영역에서 아직 젊은 제품으로, 가격, 통합 정보나 정확한 메트릭 커버리지에 대한 세부 사항은 직접 확인하는 것이 가장 좋다. 그리고 팀은 시뮬레이션 시나리오가 자신의 실제 트래픽을 얼마나 잘 반영하는지 평가해야 한다. 일반 LLM 평가 도구와의 차별은 단일 프롬프트 점수 측정에 중점을 두지 않고 MULTI-TURN, MULTI-MODAL 에이전트 시뮬레이션에 중점을 두는 것을 중점으로 둔다.