RecodeX 重构消息，墨尔本大学与新南威尔士大学联合团队推出多会话语音记忆基准VoxMem，针对长期语音对话评测仅考察文字内容、无法分离历史长度影响的问题，采用「声学证据×记忆操作」二维分类法覆盖15种考察组合。该基准包含3196个评测实例、34743个语音会话，合计约177小时音频，题目在8K至64K不同历史长度下保持不变。对15个音频大模型的评测显示，32K上下文下所有模型整体准确率均未超过40%，对说话人身份、副语言线索、环境声等音频原生信息的记忆明显弱于语音语义，且随历史长度增加各类信息记忆准确率均下降。