VoxMem 语音记忆基准：15 个音频大模型无一超 40% 准确率
新智元 · wechat · 2026-10-09
墨尔本大学与新南威尔士大学联合团队提出多会话语音记忆基准 VoxMem，针对现有评测的两大缺陷：转写丢失说话人身份、语气、环境声等音频原生信息；以及无法分离历史长度的影响。论文：arxiv.org/abs/2609.32607
- 设计：以「声学证据×记忆操作」二维分类覆盖 15 种考察组合，含 799 道题、3196 个评测实例、34743 个语音会话（约 177 小时）；每道题在 8K–64K token 历史长度下保持不变，干扰会话用文本分类器只能随机水平区分
- 结果：15 个音频大模型在 32K 长度下无一整体准确率超 40%（最高 38.5%）；追踪语气变化和环境声变化的准确率仅 3.4% 与 1.2%
- 关键发现：模型对「说了什么」的记忆远好于「谁说的、怎么说的」；多会话推理反而比单会话抽取容易；历史从 8K 增到 64K，各类证据准确率持续衰减，说话人与环境声衰减最快
- 错误归因：48% 说话人错误是绑定错误（记对了内容挂错人），63% 副语言错误是定位失败；仅 8.4% 错误源于操作执行
结论：只拉长上下文窗口不足以带来长期语音记忆，瓶颈多在「听进去并记住」而非推理。
「研究」频道最新
- 仅 1 克！无线微型显微镜实现自由活动小鼠全皮层单细胞成像 — KordingLab · 2026-10-23
- Mike Frank 抛出超导可逆计算难题:能否用无偏置约瑟夫森结凑齐 BARCS 通用原语集 — MikePFrank · 2026-10-23
- Arc Institute 用基因组语言模型绘制原核非编码序列图谱 — tedgreenwald · 2026-10-23
- 同行评审的 AI 化：审稿人终于「进入附录」了 — abursuc · 2026-10-23
- Anthropic 用 Claude 为 100+ 开源库写下汇编级安全形式化证明 — AnthropicAI · 2026-10-23
- 研究提出 9 种策略为多 LLM 协作选模型，最优可超随机 36.1% — shangbinfeng · 2026-10-23