全角色：系统基准测试和改进全模式个性化

虽然多模态 大语言模型 在文本、图像和音频方面取得了进展，但个性化研究仍然主要是视觉语言，联合涵盖文本、图像和音频的统一全模态基准仍然有限，并且缺乏方法论的严谨性来解释缺席的角色场景或系统的基础研究。我们推出 Omni-Persona，这是第一个全模式个性化的综合基准。我们将任务形式化为角色模态图上的跨模态路由，包含 4 个任务组和 18 个细粒度任务，涵盖约 750 个项目。为了严格诊断感知依据关联行为，我们提出了校准准确性（Cal），它联合评估正确的感知依据关联和适当的弃权，将缺席角色查询纳入统一的评估框架中。在我们的专门实验中，出现了三个诊断结果：（i）最近的开放权重模型显示出一致的音频与视觉基础差距，RLVR 通过密集的基于规则的监督部分缩小了这一差距； (ii) 回忆分数和参数量表是不完整的诊断，因为强回忆可以与缺席幻觉共存，并且较大的模型并不总是获得更高的 Cal，从而将校准暴露为单独的评估轴； (iii) SFT 受到 真值 注释的可扩展性的限制。在我们的奖励设计下，RLVR 提高了召回率，但没有校准弃权率，使 Cal 处于或低于基本模型。因此，Omni-Persona 可以作为一个诊断框架，揭示全模式个性化的陷阱，指导未来的 后训练 和奖励设计。