研究人员推出了DEAF,这是一个旨在评估音频多模态大语言模型(Audio MLLMs)声学忠实度的新基准。该基准包含超过2700个跨越情感韵律、背景声音和说话人身份的刺激,以测试这些模型是真正处理声学信号还是依赖文本推断。对七个Audio MLLMs的评估显示,模型倾向于被文本输入驱动,这表明它们在标准语音基准上的表现与真正的声学理解之间存在差距。 AI
影响 突出了当前Audio MLLMs的一个关键局限性,可能指导未来研究开发具有真正声学理解能力的模型。
排序理由 该集群包含一篇介绍AI模型评估新基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →