Casu

新基准评估音频大语言模型上下文感知场景理解能力

研究人员推出了一项名为CASU（上下文感知听觉场景理解）的新基准，用于评估大型音频语言模型（LALMs）。现有基准通常孤立地评估语音或声音等音频层，未能捕捉这些元素在真实听觉场景中的交互方式。CASU基准旨在衡量LALM整合语音、事件和背景噪音等各种声音层以理解整体场景并推理它们之间关系的能力。使用此基准进行的实验表明，有效的听觉场景理解需要跨所有声音层的整合，这凸显了CASU在推进LALM复杂音频理解方面的必要性。