DEAF基准发布：音频语言模型文本主导

研究者 Jiaqi Xiong 等发布 DEAF 音频语言模型声学忠实度诊断评估基准，用于检验模型是真正处理声学信号，还是依赖文本语义推断。基准包含 2700 多条冲突刺激，覆盖情感韵律、背景声和说话人身份三个声学维度，并配套多级评估框架，从内容语义冲突到误导性提示及其组合逐步增强文本影响，同时引入诊断指标量化模型对文本线索的依赖。 对七个 Audio MLLM 的评估显示一致的文本主导模式：模型对声学变化敏感，但预测主要由文本输入驱动。

根据报道生成 · 1 天前更新

还没有足够的连续观测数据，暂不绘制趋势。