arXiv cs.AI· Zhe Sun, Liang An, Jiayu Yao, Ronglai Qian, Jianing Cai, Ziwei Huang, Qing Fan, Zhiyuan Yang, Yujun Cai, Hongli Cao, Yiwei Wang, Xiaoyan Wang·· 3 天前AI 评分24
UA-Bench：面向水下声学信号识别的大型音频语言模型基准测试
UA-Bench: Benchmarking Large Audio-Language Models on Underwater Acoustic Recognition
AI 导读
研究者提出 UA-Bench，据称首个面向大型音频语言模型（LALMs）的水下声学信号识别大规模基准，包含 375,051 条音频记录，覆盖探测脉冲、通信波形与舰船辐射噪声三类信号，并附三级标签体系（13 个叶类）、多轮对话模板及信源信道元数据。
正文 · AI 翻译
作者：Zhe Sun、Liang An、Jiayu Yao、Ronglai Qian、Jianing Cai、Ziwei Huang、Qing Fan、Zhiyuan Yang、Yujun Cai、Hongli Cao、Yiwei Wang、Xiaoyan Wang
摘要：大型音频语言模型（LALMs）正迅速成为声音的通用接口，然而其广泛的预训练能在多大程度上延伸到专业领域，目前仍基本未有定论。船舶监测、海上安全和海洋感知都依赖于对水下信号的识别，但据我们所知，LALMs 尚未在这些信号上得到系统评估。标注录音的采集成本高昂，而一个忠实的合成替代方案必须整合许多相互作用的因素：探测脉冲的结构、通信波形和船舶辐射噪声，以及每个信号到达接收端所经过的声速剖面、几何结构和多径传播。为此，我们提出了 \textbf{UA-Bench}，据我们所知，这是首个用于评估 LALMs 在水下声学信号识别方面表现的大规模基准。它包含 375,051 条音频记录，将参数化声源与建模传播相耦合，因此每条记录都可追溯到产生它的条件。这些记录涵盖上述三个信号族，每条都带有三级标签层级（13 个叶类别）、一个模板化多轮对话以及声源和信道元数据。我们在一个均衡的 2,600 条记录子集上进行评估，采用门控的由粗到细协议，将每个错误定位在声源路由、细粒度分类或输出格式上，并加入配对的静音音频对照，以检验波形是否真正被使用。九个开放 LALMs 在未进行任务特定适配的情况下评估，叶级准确率仅达到 2.0\%--13.1\%，而随机参考为 7.7\%。波形对声源路由的帮助远大于对叶级识别的帮助（对某个模型而言，相比静音分别提升 +29.5 和 +2.3 个百分点），且仅有四个模型在叶级上获得可靠提升，最多提升 4.7 个百分点。因此，UA-Bench 为这些模型提供了一个参考基准，其发布的训练分区支持后续的适配工作。
| 评论： | 含附录共 31 页，12 幅图 |
| 主题： | 声音（cs.SD）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.16942 [cs.SD] |
| （或 arXiv:2610.16942v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16942 arXiv 颁发的 DOI（通过 DataCite，待注册） |
提交历史
来自：Zhe Sun [查看邮箱]
[v1]
2026年10月12日星期一 15:18:11 UTC（4,352 KB）
来源：arXiv cs.AI · arxiv.org