MAD2：用于口语对话中上下文感知多模态主张验证的合成基准

研究人员推出合成多轮语音对话基准 MAD2，包含 1000 段双人对话及约 10 小时音频，用于口语主张验证。该基准还提出一种结合上下文感知音频编码器与对话感知文本模型的多模态融合方法。实验显示，添加对话上下文能提升验证效果，但在不同场景下增益表现不一。