arXiv · AI· Milan Liessens Dujardin, Song-Ze Yu, Craver Corbyn Thomas-Smith, David M. Chan, Karina Nguyen·· 10 天前AI 评分35
PitchBench 评测显示音频语言模型音高感知能力不可靠
PitchBench: Measuring Pitch Hearing in Audio-Language Models
AI 导读
PitchBench 包含 28 项任务,评估音频语言模型在多种声学条件下的绝对与相对音高感知能力。 测试发现前沿 ALM 表现极不稳定,准确率受提示格式影响显著,而专业 DSP 和神经基线均值分别为 73.2% 和 75.2%,最强 ALM 仅 53.9%。 该研究作为 NeurIPS 2026 论文接受,并开源了评测基准、训练数据集及 Python 工具包。
来源:arXiv · AI · arxiv.org