提出UA-Bench水下声学基准，九个LALM叶类识别准确率最高仅13.1%

论文作者团队提出UA-Bench，称是首个评测大音频语言模型（LALM）水下声信号识别能力的大规模基准。结果显示，九个开源模型未经任务专门适配时，在最细的叶类上准确率仅2.0%至13.1%。 基准包含375,051条可追溯音频记录，覆盖三个信号族和三级标签体系。实际评测在2,600条均衡子集上进行，采用逐级定位错误的门控协议，并用静音音频对照检验模型是否真正使用波形。 作者称，加入波形主要提升来源路由能力，叶类识别最多提升4.7个百分点；团队同时公开训练分区以支持后续适配研究。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。