arXiv上出了一篇预印本，作者提出叫EvoSpeakerMem的方案：声纹只当作身份观察，不是身份本身。它做三件事——按因果把说话人路由到对应用户实体、挑选性更新声学状态、把记忆按身份分开读写，后面记忆存储可以换。配套还做了LoCoMo-ID基准，带隐藏说话人身份、跨录音条件偏移和四人混淆测试。

结果是：在纵向SMIIP-TV上，冻结近注册阈值下真声拒绝率从29.8%升到55.6%，跨约一年；LoCoMo-ID的说话人敏感问答上，门控更新比固定表示分别高3.86和11.62个百分点，且没有错误用户授权。但作者也点明：减少碎片化和问答变好，可以和错误跨用户链接共存，碎片-污染这个取舍靠QA看不出来。

$BTC