论文与标准·· 2026-07-31精选评分68
M3-DuplexBench：英日双语全双工对话评测基准
M3-DuplexBench: A Multi-Turn, Multilingual, Multidomain Benchmark for Full-Duplex Spoken Dialogue Models
导读
该基准联合评估全双工口语对话系统的交互时机（轮次切换、附和、打断）与响应内容，覆盖英语与日语的闲聊及多轮问答场景，并基于同源语料实现跨语言对比；实验揭示不同全双工模型具有模型特有的交互模式，语言与领域间存在明显性能差异。
推荐理由
全双工语音模型评测方向的代表性新基准，补足多轮、多语言受控对比的空白。
来源：论文与标准 · arxiv.org