EvoSpeakerMem 提出免训练层优化多用户语音智能体

Yucong Zhang 等人提出 EvoSpeakerMem，这是一种面向多用户语音智能体的在线说话人记忆构建框架。该方法采用免训练层，实现因果说话人路由、选择性声学状态更新以及基于可替换文本记忆后端的身份分区记忆写入与检索，旨在解决语音智能体中的身份混淆问题。 在性能评估方面，该研究引入了 LoCoMo-ID 基准测试。结果显示，在说话人敏感查询任务中，EvoSpeakerMem 相比固定表征方法分别提升了 3.86 和 11.62 个百分点。 研究还揭示了记忆碎片化与跨用户污染之间存在权衡关系，指出单一的 QA 指标无法完全捕捉这种复杂性，为理解多用户记忆系统的设计限制提供了依据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。