跳到正文
arXiv · AI· Chengwei Wei, Yi Ma, Nancy F. Chen·· 10 天前AI 评分22

AuDiR:通过规则和感知干预诊断音频推理

AuDiR: Diagnosing Audio Reasoning with Rule and Percept Interventions

AI 导读

基准测试 AuDiR 通过受控干预区分音频推理中的感知、规则知识与应用故障,当前包含 201 个题目。 在 Gemini-3.8-flash 的初步评估中,准确率从无信息时的 29.3% 提升至提供观察后为 98.5%,移除音频后为 23.9%。 结果证实了提供文本声学观察的价值,但受限于不完整验证和潜在识别捷径,无法做出更强的故障归因结论。

来源:arXiv · AI · arxiv.org