Logbook：超长音频事件理解基准

研究者推出 Logbook，一个面向小时级音频理解的基准，录音时长从 10 分钟到 6 天，要求系统在给定连续录音和事件标签词表后，输出无间隙分段并为每段给出事件标签与描述。研究对比了 52 个端到端与级联系统，并消融了微调、上下文长度和推理预算，发现该任务可解，但最佳系统仍有不足。