研究人员推出了AIB,这是首个旨在评估大型音频语言模型(LALMs)复制人类听觉错觉能力的基准。该基准涵盖了音乐、声音和语音中的十种不同错觉,并纳入了基于知识的先验信息。虽然目前的大型音频语言模型在较简单的错觉中倾向于忠实于原始音频信号,但一些模型在涉及语言或音乐背景时表现出更像人类的反应,尽管没有一个模型能完全匹配人类的感知。这项工作旨在为理解大型音频语言模型的认知能力提供一种新方法。 AI
影响 该基准可以揭示AI在理解复杂听觉感知方面的局限性,指导未来模型开发。
排序理由 该集群包含一篇介绍AI模型新基准的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →