English(EN) RoleBreak: Benchmarking Long-Horizon Role-Playing Robustness in Spoken Dialogue

新基准RoleBreak测试口语对话系统中的长时程角色扮演能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-16 04:00

研究人员推出了RoleBreak，一个旨在评估口语对话系统长时程角色扮演能力的新基准。该基准包含超过300个角色和数千个人工验证的对话轮次，并设有评估角色一致性、交互质量、安全性和语音情感在长时间对话中的特定标准。对九种系统配置的评估显示，尽管当前模型在保持语义角色方面优于语音情感，但在长期一致性方面存在困难，平均在约11轮后就会在角色和安全方面出现失败。语言模型规模的扩大显著提高了语义鲁棒性，但对语音表现力的影响甚微，这表明口语角色扮演系统仍存在持续的差距。 AI

影响突出了在长时程口语对话系统中保持角色一致性和语音表现力方面存在的持续挑战。

排序理由该项目是一篇研究论文，介绍了一个用于评估AI系统的新基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 19 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目是一篇研究论文，介绍了一个用于评估AI系统的新基准。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yuqi Wang, Fengyuan Liu, Haochen Luo, Zhiqi Yu, Qi Liu · 2026-09-16 04:00

RoleBreak：口语对话中长时域角色扮演鲁棒性基准测试

arXiv:2609.16614v1 Announce Type: cross Abstract: Speech-to-speech dialogue models increasingly support persona control, yet existing spoken role-playing benchmarks remain largely character-centric and short-horizon. This leaves open whether spoken dialogue models can sustain div…

本文如何被排名

报道来源 [1]

RoleBreak：口语对话中长时域角色扮演鲁棒性基准测试

相关实体

相关话题