语音智能体最尴尬的失败，不是听不懂整句话，而是把姓名、电话、地址这类细节记错。Sierra 发布的 τ-Entity 基准，专门盯住这个环节：它不只问智能体能不能“抓到”实体，还要看它能否识别自己听错了，并在对话里把错误修回来。首批覆盖姓名、电话号码、地址和邮箱等细节，共 10 种实体类型、200 个任务；与 τ-i18n 一样，测试横跨六种语言。
这比传统语音识别测试更接近真实业务。用户不会按标准格式念邮箱，也不会一次把地址说清楚；背景噪音、口音、同音词和临时改口，都会把“王”变成“汪”，把“零”听成“O”。如果智能体只会复述却不会追问、确认、纠正，订票、开户、售后这些场景就会在最后一步翻车。τ-Entity 把“修复”纳入评分，等于把语音智能体的可靠性从会说，推进到能把事办对。
Sierra 选此时发布基准，也有商业信号：语音智能体正从演示走向客服、预约和交易入口，细节准确率就是转化率。200 个任务不算大，但六种语言和 10 类实体足够暴露短板。接下来值得看的是，厂商会不会把“错误识别后再修复”当成核心指标，而不是只在演示视频里秀流畅对话。
