LALM音频幻觉的黑盒因果审计论文

Mohammad Khalooei 与 Mohammad Sabokrou 发布 arXiv 论文 2610.13112 并开源代码（github.com/khalooei/causa），提出对大音频语言模型（LALM）音频幻觉的黑盒因果审计方法：先用 CLAP 相似度定位某声明对应的音频证据区域，再通过频谱门控移除该区域，并与随机窗口移除对照，在三个 LALM 上按 2x2x2 网格比较，以检验模型是否真正依赖所声称的音频证据，发现定位能力因模型而异。论文称该方法为黑盒因果测试，可隔离模型所声称的证据本身。 作者还提出一种结合空输入对比与语言先验对比的对比解码方法（带门控与集成），称将 Qwen2-Audio 的准确率从 57.1% 提升到 71.9%，并优于仅用 AAD 的结果。代码及包含已识别局限性的详细报告已开源。

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。