多会话语音记忆基准VoxMem，专治音频大模型记不住「谁说的、怎么说」

新智元报道在语音助手、多用户共享的家庭助理等长期对话场景中，模型需要跨越多次会话记住用户的信息，但现有评测常遭遇两大难题：一是语音中的关键信息不止于文字，说话人身份、语气和背景声只存在于音频信号里，转写后即丢失，而现有基准大多只考词汇内容；二是真实交互分布在相隔一段时间的多个会话中，现有基准却