M3-SLU: Evaluating Speaker-Attributed Reasoning in Multimodal Large Language Models
一、文章主要内容总结
本文针对现有多模态大语言模型(MLLMs)在多说话者、多轮对话场景中难以准确识别“谁在何时说了什么”的问题,提出了M3-SLU基准测试集(Multi-Speaker, Multi-Turn, Multi-Modal Spoken Language Understanding),用于评估模型的说话者归因推理能力。 …
2026/7/14 6:50:53