Titans-as-a-Layer：会话语音情感识别的测试时内存

语音情感识别（SER）通常被表述为话语级分类，尽管会话情感取决于说话者通常的音域和先前话语建立的情感背景。语音语言模型提供强大的预训练声学和语义表示，并可以通过微调使其适应 SER 标签，但这种机制仍然缺少每个对话状态。我们研究测试时神经记忆是否可以提供这种缺失的上下文，同时保持大型音频语言模型（LALM）主干完整。在 Titans 的基础上，我们引入了一种即插即用的内存层 (MAL) 适配器，它将对话历史记录写入小型神经内存中，并将其作为音频词元对齐的残差更新读回，从而避免更改主机模型的词元位置。在不同的音频 LLM 和情感识别数据集评估中，我们的设计提高了 SER 在不同评估指标上的性能，支持测试时记忆作为会话 SER 的剩余上下文机制。