VoxMem：大音频语言模型多模态记忆基准测试

VoxMem 基准发布，包含 3,196 个评测实例、34,743 段语音会话（177 小时），覆盖语音语义、说话人身份、副语言线索和环境声四类声学证据，以及信息提取、多会话推理、时间追踪和拒答四种记忆操作，上下文预算从 8K 到 64K tokens。评测 15 个 LALM，无一模型在 32K 下超过 40%，模型对"说了什么"的保留远好于"谁说的、怎么说的、听到了什么"。