厦门大学团队发布 SocialOmni 音视频社交交互评测基准

厦门大学谢天宇等作者发布 SocialOmni，一个面向全模态模型的音视频社交交互评测基准，围绕谁在说、该不该开口、开口后怎么接三个问题设计任务。基准包含 2,000 条说话人归属样本和 200 条交互核心样本，其中 128 个时刻应接话、72 个应继续听。公开榜单已收录 23 个模型条目，Qwen3.8-Omni-Flash 说话人识别准确率 89.45%，但应答覆盖率仅 17.97%。