鸡尾酒会音频测试：人类击败语音模型但未达 CAPTCHA 标准

一项针对鸡尾酒会场景的音频分离测试显示，人类在从背景噪音中识别目标语音的任务上表现优于 Gemini 3.8 Flash 和 Qwen3-ASR 0.6B 等模型。实验数据显示人类平均词准确率（0.71）高于指令优化后的 Gemini（0.54），但两者差距过小，无法作为可靠的音频验证码。该研究指出当前模型性能尚未达到区分人机所需的阈值，并开源了相关代码与数据集。