arXiv cs.AI· Ramit Pahwa, Parivesh Priye, Apoorva Beedu·· 13 小时前AI 评分34
VoiceLongMemEval：AI 助手能否记住你说话的语气？
VoiceLongMemEval: Do Assistants Remember How You Sounded?
AI 导读
新基准 VoiceLongMemEval（VLME）要求每个答案都依赖对话轮次中的副语言元数据（情绪标签、韵律描述和声音事件），仅凭文字转录无法恢复。所有题目通过三阶段对抗性筛选，确保强语言模型在只给转录文本时失败。
正文 · AI 翻译
摘要：随着多智能体架构和大语言模型规模的不断增长，已部署的 AI 助手越来越多地需要对长时、连续、多会话的对话历史进行推理。当前的基准测试将这种对话历史评估为长时程信息检索、时间推理或知识更新，却关键性地忽略了人机交互的基本动态，即他们是如何说的。为填补这一空白，我们提出了 VoiceLongMemEval（VLME）基准，其中每个答案都依赖于附加在对话轮次上的副语言元数据（情感标签、韵律描述符和语音事件），而这些信息仅凭文字无法恢复。每个条目都通过三阶段对抗性筛选，确保强语言模型在仅获得转录文本时失败。对领先的前沿模型和开放权重模型的评估揭示出普遍存在的情感差距；提供文本轨道的副语言元数据可带来 0.09 至 0.38 的准确率提升（在给出证据提示时为 0.61 至 0.69），而标准 ASR 流水线会系统性地丢弃这一信号。此外，音频原生模型成功地从语音中直接提取这些线索（0.354 至 0.412，对比盲测的 0.325）。代码和数据集将在论文录用后公开。
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2609.00570 [cs.AI] |
| （或 arXiv:2609.00570v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.00570 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Ramit Pahwa [查看电子邮件]
[v1]
2026年9月1日星期二 02:06:10 UTC（88 KB）
[v2]
2026年9月2日星期三 03:32:07 UTC（80 KB）
[v3]
2026年10月29日星期四 17:32:31 UTC（38 KB）
来源：arXiv cs.AI · arxiv.org