Logbook：超长音频事件理解基准

研究者发布 Logbook 基准，面向小时级音频理解，录音时长从 10 分钟到 6 天，要求系统对连续录音输出无间隙的事件分段、标签与描述。论文比较 52 个端到端与级联系统，并消融微调、上下文长度与推理预算，发现任务可解但最佳系统仍低于人类参考，过度分段普遍存在且微调可部分缓解。端到端系统通常优于级联系统，但随上下文变长性能下降。