这项由杜克大学林月倩、胡正绵领导，联合Adobe公司研究团队完成的重要研究发表于2025年，论文编号为arXiv:2509.26542v1，有兴趣深入了解的读者可以通过该编号查询完整论文。研究团队首次系统性地揭示了一个令人困惑的现象：当我们用语音与AI助手交流时，它们在处理复杂问题时的表现会大幅下降，这种现象被称为"语音推理鸿沟"。
当你向Siri询问简单的天气信息时，它能迅速准确地回答你。但如果你让它解一道复杂的数学题，或者分析一个需要多步推理的问题，你会发现它的表现远不如你通过文字输入同样问题时的效果。这种差异并非偶然，而是当前语音AI系统普遍存在的根本性挑战。
研究团队通过构建一个名为VERA的全新评测体系，对12个主流语音AI系统进行了深入测试。结果令人震惊：在复杂数学推理任务中，顶级文字AI模型GPT-5能达到74.8%的准确率，而其语音版本GPT-realtime却只有6.1%的准确率，两者相差高达68.7个百分点。这种差距并非个例，在所有需要深度思考的任务中都普遍存在。
这个发现的重要性不言而喻。在人工智能快速发展的今天，语音交互已经成为我们与AI系统沟
