S³-Bench: 评估语音交互模型作为科学语音助手

# $S^3$-Bench：评估语音交互模型作为科学语音助手的能力
来源：https://arxiv.org/abs/2609.09852
作者：Heyang Liu (https://arxiv.org/search/cs?searchtype=author&query=Liu,+H), Jiayi Huang (https://arxiv.org/search/cs?searchtype=author&query=Huang,+J), Wenyang Xiao (https://arxiv.org/search/cs?searchtype=author&query=Xiao,+W), Ziyang Cheng (https://arxiv.org/search/cs?searchtype=author&query=Cheng,+Z), Lixin Zhang (https://arxiv.org/search/cs?searchtype=author&query=Zhang,+L), Zhen Liu (https://arxiv.org/search/cs?searchtype=author&query=Liu,+Z), Miao He (https://arxiv.org/search/cs?searchtype=author&query=He,+M), Ronghua Wu (https://arxiv.org/search/cs?searchtype=author&query=Wu,+R), Qunshan Gu (https://arxiv.org/search/cs?searchtype=author&query=Gu,+Q), Yanfeng Wang (https://arxiv.org/search/cs?searchtype=author&query=Wang,+Y), Yu Wang (https://arxiv.org/search/cs?searchtype=author&query=Wang,+Y)

查看 PDF (https://arxiv.org/pdf/2609.09852)

> 摘要：多模态大语言模型（MLLMs）的发展从根本上重塑了人机交互的范式，尤其是能够进行无缝对话的语音交互模型。尽管作为通用语音助手表现出色，但它们在专业领域的性能，特别是在科学领域，仍有待深入探索。科学交互带来了严峻挑战，涉及罕见的技术术语、缩写的口语化规范以及符号特殊表达的自然语音化表达。在本文中，我们推出了 S$^3$-Bench，这是一个涵盖10个主要学科的系统化评估框架，包括用于语音问答的知识集，以及与模拟用户代理进行多轮渐进式交互的对话集。通过将一个完整的原子轮次分解为语音识别、感知、知识利用与推理以及响应发音等阶段，我们系统性地刻画了现有方法的常见挑战和性能权衡。此外，关于多轮交互的实验揭示了其在用户适应性以及生成准确、全面且高效的响应方面仍然存在持续性的局限。

## 提交历史

来自：Heyang Liu [查看邮件 (https://arxiv.org/show-email/c6b38463/2609.09852)] **[v1]** 星期三，2026年9月9日 08:06:28 UTC (16,768 KB)