Le filThèmes : ÉvaluationsRecherche
VoxMem évalue la mémoire multimodale de 15 grands modèles de langage audio
1 sourcemis à jour 30 sept.pertinence 2,8 sur5
L’essentiel
Le benchmark compte 3 196 instances sur 34 743 sessions parlées (177 heures). À 32K tokens, aucun modèle ne dépasse 40 %. Les modèles retiennent bien mieux ce qui a été dit que qui l’a dit ou comment.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYang Xiao, Vidhyasaharan Sethu, Eun-Jung Holden et al.huggingface.co
VoxMem: Benchmarking Multimodal Memory in Large Audio Language Models (site externe)
Beyond what to remember, memory also demands diverse operations: retrieving a single fact, integrating evidence across turns, tracking an evolving state.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5