arXiv · cs.AI· Hongyu Jin, Siyi Wang, Yang Xiao, Jiaheng Dong, Shihong Tan, Kaiyuan Peng, Georgiana Juravle, Shanquan Chen, Gongping Huang, Hong Jia, Eun-Jung Holden, James Bailey, Ting Dang·· 8 小时前
RAIL：基于 CHC 框架的大音频语言模型听觉智能评测基准
RAIL: Rethinking Auditory Intelligence in Large Audio-Language Models with a CHC-Grounded Benchmark
arXiv:2606.11260v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Hongyu Jin, Siyi Wang, Yang Xiao, Jiaheng Dong, Shihong Tan, Kaiyuan Peng, Georgiana Juravle, Shanquan Chen, Gongping Huang, Hong Jia, Eun-Jung Holden, James Bailey, Ting Dang
研究任务与主要进展
作者提出 RAIL 人类中心听觉智能评测基准，基于 Cattell–Horn–Carroll 框架构建五类核心能力及结构化评测任务。对26个大音频语言模型的评测显示，模型在知识相关任务上表现较强，但听觉感知和记忆较弱，听觉场景推理也受到限制；6个模型在总体表现上超过人类，但听觉处理仍落后于人类。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org