완전 이중(풀덕스) 음성 에이전트는 언제 듣고 백채널하고 끼어들고 발화 중첩을 처리하며 발언권을 잡거나 넘길지 지속적으로 판단해야 한다. 기존 벤치마크는 대부분 명시적인 턴 관리 지시로 이런 행동을 테스트하지만, 실제 배치된 에이전트는 역할이나 페르소나에서 적절한 대화 행동을 추론해야 하는 경우가 많다. 연구진은 암묵적 지시 이행을 평가하는 DuplexSpeechBench-IFEval(DSB-IFEval)을 도입, 8개 어시스턴트 역할에 걸친 1038개 테스트 사례와 5가지 조건화 방식을 평가했다. 6개 실시간 음성 시스템 실험 결과 F-Actor와 PersonaPlex 같은 풀덕스 모델은 페르소나만으로 조건화될 때 준수도가 각각 9.7%, 4.5% 하락했고, GPT-Realtime·MiniCPM-o·Fun-Audio-Chat은 페르소나 일관성은 강하지만 발언권 관리 행동이 조건에 따라 적응하지 못했으며, 모든 시스템이 안전 충돌 상황에서 페르소나 지시를 우선시하는 데 어려움을 겪었다.

• •풀덱스 음성 에이전트의 암묵적 지시 이행을 평가하는 벤치마크 DSB-IFEval 도입, 8개 역할·1038개 테스트 사례
• •기본·명시적 지시·페르소나 암시·결합·지시 충돌 등 5가지 조건화 프로토콜로 평가
• •F-Actor·PersonaPlex는 페르소나만 주어질 때 지시 준수도가 각각 9.7%, 4.5% 하락
• •GPT-Realtime 등은 페르소나 일관성은 강하나 발언권 관리 행동은 조건에 따라 적응하지 못함
• •모든 시스템이 안전 충돌 상황에서 지시 우선순위를 제대로 재조정하는 데 어려움을 격음