计算机科学 > 声音
[提交于 2025年8月28日
]
标题: WoW-Bench:通过海洋哺乳动物叫声评估音频-语言模型中的细粒度声学感知
标题: WoW-Bench: Evaluating Fine-Grained Acoustic Perception in Audio-Language Models via Marine Mammal Vocalizations
摘要: 大型音频语言模型(LALMs)将语言理解扩展到听觉领域,但它们在执行低层次聆听任务(如音高和持续时间检测)的能力仍鲜有研究。 然而,低层次聆听对于现实世界中的分布外任务至关重要,其中模型必须基于细致的声学线索对不熟悉的声音进行推理。 为解决这一差距,我们引入了鲸类世界基准(WoW-Bench),以使用海洋哺乳动物叫声评估低层次的听觉感知和认知。 WoW-bench由一个用于分类新声音的感知基准和一个受布鲁姆分类法启发的认知基准组成,用于评估模型记住、理解、应用和分析声音事件的能力。 对于认知基准,我们还引入了干扰问题,以评估模型是否真正通过聆听解决问题,而不是依赖其他启发式方法。 与最先进的LALMs进行的实验显示,其性能远低于人类水平,表明LALMs需要更强的听觉基础。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.