본 논문은 Speech-LLM을 활용한 종단간(end-to-end) 음성 대화 상태 추적을 위한 컨텍스트 관리 전략에 대한 비교 연구를 제시한다. 텍스트 기록과 현재 발화 음성을 결합한 전통적인 멀티모달 컨텍스트, 전체 음성 기록, 그리고 압축된 음성 기록 방식을 체계적으로 평가한다. SpokenWOZ 코퍼스에 대한 실험 결과, 전체 음성 대화를 입력으로 제공하는 방식이 유사한 크기의 모델 중 가장 높은 성능을 보였으며, 기존 방법들을 크게 능가했다. 또한, 음성 기록에 대한 attention-pooling 기반 압축이 강력한 균형점을 제공하며, 컨텍스트 크기를 줄이면서도 경쟁력 있는 정확도를 유지함을 보여주었다. 상세 분석을 통해 개선이 더 효과적인 컨텍스트 활용에서 비롯됨을 확인했다.
