arXiv cs.AI· Yi Zhang, Yi Li, Hongwei Du·· 1 天前AI 评分29
TRACE：对大型音频语言模型进行源级反事实审计
Right Answers, Inconsistent Evidence: Source-Level Counterfactual Auditing of Large Audio-Language Models
AI 导读
研究提出 TRACE，通过逐一删除被查询声源及其竞争声源，检验所有仍含该声音的视图得分是否高于删除后的视图，以此审计大型音频语言模型（LALM）是否真正区分声音的存在与缺失。
正文 · AI 翻译
摘要：大型音频语言模型（LALM）能够正确回答关于混合音频的“是否有猫存在？”这一问题，并且当猫被移除时其置信度会下降，但这并不能表明它能区分猫的存在与缺失。我们提出了 TRACE。它依次删除被查询的声源和每个竞争声源，并询问每个仍包含该声音的视图是否都得分高于删除该声音后的视图。在 8 个 LALM 和 3,456 个受控混合音频上，6.3% 的正确答案未能满足这一排序：目标缺失视图的得分等于或高于某些目标存在视图，这种冲突无法通过任何共享阈值修复。仅检查目标存在时的得分会漏掉其中 42.5% 的情况。当目标信噪比从 +5 dB 降至 -5 dB 时，这一比例从 4.9% 升至 8.4%，即使在所有信噪比水平下都正确的单元上也是如此，并且在响度和重新配对控制下依然存在。准确率证明答案正确；TRACE 审计其是否将存在排序在缺失之上。代码和数据：this https URL。
| 评论： | 5 页，3 幅图，1 张表。已投稿至 ICASSP 2027 |
| 主题： | 声音（cs.SD）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.15463 [cs.SD] |
| （或 arXiv:2611.15463v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.15463 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yi Zhang [查看邮箱]
[v1]
2026 年 11 月 11 日星期三 13:32:23 UTC（185 KB）
来源：arXiv cs.AI · arxiv.org