English(EN) Machine Hearing: Can Audio LLMs Generalize Beyond Human Auditory Perception?

新基准测试探究音频大模型超越人类听力极限的能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-11 05:00

研究人员推出了机器听觉基准测试（MHB），以探索音频大模型（ALLMs）在感知人类听不到的声音方面的能力。MHB包含13个任务和7个领域的6,128个实例，具有高采样率和长序列长度等多样化的输入模式。目前的ALLMs在零样本迁移到机器听觉方面表现有限，仅靠监督式适应无法弥合这一差距，表明音频前端存在不匹配。为了解决这个问题，开发了一种名为MachEar的轻量级编码器扩展，它在保持现有音频理解能力的同时，增强了预训练ALLM的机器听觉能力。 AI

影响这项研究可能会将AI模型的感知能力扩展到新的领域，从而实现对人类听力范围之外的声音进行监控或分析的应用。

排序理由研究论文，介绍了一个新的基准测试和音频大模型的新模型扩展。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 34 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 研究论文，介绍了一个新的基准测试和音频大模型的新模型扩展。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Liwei Liu, Jun Tao, Xingyuan Li, Xuenan Xu, Chen Zhang, Junyi Wang, Boya Zhang, Xiaoyu Yang, Zhen-Hua Ling, Wen Wu, Chao Zhang · 2026-11-11 05:00

机器听觉：音频大模型能否超越人类听觉感知进行泛化？

arXiv:2611.10693v2 Announce Type: replace-cross Abstract: Multimodal LLMs have made remarkable progress in perceiving the physical world, while their perceptual scope remains largely human-centric, focusing on what humans can directly see or hear. This progress raises the prospec…

本文如何被排名

报道来源 [1]

机器听觉：音频大模型能否超越人类听觉感知进行泛化？

相关实体

相关话题