arXiv cs.AI· Yunuo Wang, Maoyuan Chen, Yuanjin Huang, Xing Liu·· 12 小时前AI 评分26
音频语言模型答案变化评估：同类别匹配对照协议
Beyond Answer Changes: Matched Same-Class Controls for Local Audio Evidence
AI 导读
针对音频语言模型，研究提出同类别匹配对照协议，区分答案变化源于事件类别响应还是波形改写敏感性。在600个合成声景和两个架构家族的三个模型上，不同类别替换比同类别替换多引发49.7至60.9个百分点的答案变化，同类别准确率与原准确率差距在5.2个百分点以内。在原始与同类别答案均正确的试验中，插入类别的声景加权选择性准确率为73.7%至81.9%。
正文 · AI 翻译
摘要：对于音频-语言模型，局部声音事件编辑后答案发生变化，可能反映对事件类别的响应、对波形重写的敏感性，或两者兼有。我们比较了针对被查询事件的同类别与不同类别匹配替换。两者使用相同的时间区间、电平估计、供体拟合和交叉淡化，而同类别替换保留了正确答案。在 600 个合成声景和来自两个架构家族的三个模型上，不同类别替换产生的答案变化比同类别替换多 49.7 至 60.9 个百分点。同类别准确率与原始准确率的差距保持在 5.2 个百分点以内。在原始答案和同类别答案均正确的试验中，针对插入类别的声景加权选择性准确率为 73.7% 至 81.9%，即先对每个声景内的合格试验取平均，再对合格声景等权加权。该协议检验模型答案如何响应事件类别的局部变化。
| 评论： | 正在 ICASSP 2027 审稿中。代码与冻结证据：此 https URL |
| 主题： | 声音 (cs.SD)；人工智能 (cs.AI) |
| 引用为： | arXiv:2610.37605 [cs.SD] |
| （或本版本的 arXiv:2610.37605v1 [cs.SD]） | |
| https://doi.org/10.48550/arXiv.2610.37605 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yunuo Wang [查看邮箱]
[v1]
2026年10月27日 星期二 17:36:06 UTC（113 KB）
来源：arXiv cs.AI · arxiv.org