arXiv · cs.AI· Kwanghee Choi, Suwon Shon, Dmitriy Serdyuk, Guitang Lan, Chao-Wei Huang, Mohammad Sadegh Rasooli, Sangeeta Srivastava, Zhaojiang Lin, Saurabh Adya, Ming Sun·· 2 天前
Logbook：最长支持6天连续录音的音频理解基准
Logbook: Extremely Long-form Audio Event Understanding
arXiv:2610.07338v1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：Kwanghee Choi, Suwon Shon, Dmitriy Serdyuk, Guitang Lan, Chao-Wei Huang, Mohammad Sadegh Rasooli, Sangeeta Srivastava, Zhaojiang Lin, Saurabh Adya, Ming Sun
研究任务与主要进展
作者提出Logbook音频理解基准，将连续录音时长扩展至10分钟至6天，要求系统为每个片段生成事件标签和描述且不出现分段空缺。论文比较了52个端到端和级联系统，并消融分析微调、上下文长度和推理预算；结果显示任务可解，但最佳系统仍低于人类参考，过度分段普遍存在，端到端方案虽常优于级联方案，却会随上下文变长而退化。基于论文摘要，上述结果的具体实验细节尚未说明。
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