SocialOmni音视频社交交互评测基准发布

2026年10月21日，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。该基准包含 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 说话人识别准确率达 89.45%，但应答覆盖率仅 17.97%。目前进展为基准与榜单已公开，尚无后续更新。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。