VGBench：诊断语音智能体的声学上下文门控能力

研究者推出 VGBench，一个含 1,018 条样本的诊断基准，用于评测语音智能体在闲聊、自言自语和说话人切换场景下的动作级"被称呼"判断。六个原始 Audio LLM 和三种免训练适配方案常能识别目标工具，却很少在说话人切换时抑制动作，最高静默率仅 14%。