深度分析 全雙工語音代理人評分實驗：Gemini 2.5 Flash 與人工評分的秩相關度分析 本研究探討Gemini2.5Flash大型語言模型能否在全雙工客服語音代理人中取代人工評分，使用209場雙聲道對話與57段擾動音檔，結果顯示在五項指標上與三位人工評審的相關性相當，兩項略低，唯一一項幾乎無相關。部署時建議對音訊清晰度低於4分的通話交由人工審核，以免排序偏差。
