研究：提示词低估音频模型时间信息

Eunsik Shin 等人发表论文称，冻结的大型音频语言模型（LALM）能验证音乐时刻，却难以精确定位。研究用 Slakh2100 分轨激活构建配对查询探针，发现无上下文时状态查询得分高于基线；变化查询在多数短片段模型上随前文上下文改善，30s padded 编码器则无类似恢复。 作者称，提示词与注意力两种方式几乎都暴露不出这一能力，说明提示失败低估了模型可验证的时间信息，但并未低估其定位能力，差距大小由查询类型和编码器决定。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。