VoxMem基准测试评估音频语言模型记忆

发生了什么

据Hugging Face Papers 9月29日报道，研究团队提出VoxMem基准测试，用于评估大型音频语言模型的多会话记忆能力。该基准包含3,196个评估实例，覆盖34,743段语音会话（177小时），涉及四种声学证据类型和四种记忆操作。测试15个模型发现，在32K上下文预算下，没有模型准确率超过40%，且模型保留内容优于保留说话人身份。