Benchmarking Open-ended Audio Dialogue Understanding for Large Audio-Language Models
Tsinghua University（清华大学）；University of Oxford（牛津大学）；Peng Cheng Laboratory（鹏城实验室）
本文提出 ADU-Bench，以超过 20,000 段开放式音频对话，从场景、技能、多语言和歧义处理等维度评测 16 个 LALM，揭示其在公式、角色扮演、多语言及语音歧义理解上的不足。
2025-07-28 cs.AI cs.CL cs.SD
Resurfacing Paralinguistic Awareness in Large Audio Language Models
本文提出一种语义外增强的微调方法，通过五种分层分析提升LALMs的语义外意识能力，实验表明其效果优于全层微调策略。
2026-03-12 cs.CL cs.MM cs.SD
SAKURA: On the Multi-hop Reasoning of Large Audio-Language Models Based on Speech and Audio Information
National Taiwan University（国立台湾大学）
针对大型音频语言模型（LALMs）多跳推理能力缺乏系统评估的问题，本文提出SAKURA基准，实验表明LALMs难以整合语音/音频信息进行多跳推理，为该领域研究提供了资源与方向。
2025-08-24 cs.CL cs.SD eess.AS
Can Large Audio Language Models Understand Audio Well? Speech, Scene and Events Understanding Benchmark for LALMs
School of Electrical Engineering, KAIST, Daejeon, Republic of Korea（韩国成均馆大学电气工程学院）
本文提出SSEU-Bench，首个考虑语音与非语音音频能量差异的音频理解基准，通过链式思维提升LALMs在联合理解任务中的性能。
2026-02-13 cs.SD
MI-Fuse: Label Fusion for Unsupervised Domain Adaptation with Closed-Source Large-Audio Language Model
National Taiwan University, Taiwan（国立台湾大学）
针对无源数据且仅API可用的LALM场景，提出MI-Fuse去噪标签融合框架，结合互信息加权与EMA教师，使学生模型在目标域超越LALM，并在六种跨域迁移中比最强基线高3.9%。
2025-09-25 cs.CL cs.SD eess.AS
Enhancing Temporal Understanding in Audio Question Answering for Large Audio Language Models
Qualcomm Technologies Inc.（高通技术公司）
针对大型音频语言模型时间推理能力不足的问题，研究提出利用LLM生成时间问答对的数据增强方法，结合课程学习微调模型，并在端侧实现验证了CPU推理可行性。
2024-12-13 cs.CL cs.SD eess.AS
Reducing Object Hallucination in Large Audio-Language Models via Audio-Aware Decoding
Purdue University（普渡大学）；National Taiwan University（国立台湾大学）
本文提出了一种轻量级推理时策略Audio-Aware Decoding（AAD），通过对比有/无音频上下文时的词元预测logits来提升音频相关词元概率，有效缓解了大型音频语言模型的对象幻觉问题，并在对象幻觉和通用音频问答数据集上显著提升了性能。
2025-09-12 cs.CL eess.AS
When Demonstrations Fail: Diagnosing the Limits of In-Context Learning in Large Audio-Language Models with Progressive Cue Removal
National Taiwan University, Taiwan（台湾国立成功大学）
本文提出ALICE框架，通过三阶段评估六个LALMs在音频条件下的上下文学习能力，发现上下文示例虽能提升格式合规性，但难以改善核心任务表现，揭示了跨模态整合的潜在局限。
2026-09-29 cs.AI cs.CL cs.SD
CAF-Score: Calibrating CLAP with LALMs for Reference-free Audio Captioning Evaluation
Department of Artificial Intelligence, Sogang University, South Korea（人工智能系，ソガン大学，韩国）
本文提出CAF-Score，一种无参考音频描述评估指标，通过结合对比音频-文本嵌入与LALM推理，有效检测语法不一致和细微幻觉，实验表明其在BRACE基准上与人类判断相关性最高。
2026-03-20 cs.AI cs.CL cs.SD
ISA-Bench: Benchmarking Instruction Sensitivity for Large Audio Language Models
X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, China（X-LANCE实验室，计算机科学学院，上海交通大学，中国）
针对大型音频语言模型对指令措辞敏感的问题，提出ISA-Bench动态基准，从描述、格式和任务组合三维评估，并微调Qwen2-Audio提升遵循性，但引发灾难性遗忘。
2025-10-27 cs.CL cs.SD eess.AS
MRMAD: A Multi-Round Multi-Audio Benchmark for Evaluating Acoustic Degradation Perception in Large Audio-Language Models
Northeastern University（东北大学）；Bose Corporation（博士公司）；Stony Brook University（石溪大学）
该研究提出MRMAD多轮多音频基准，评估18种LALMs的音频降级感知，发现现有模型难可靠推理降级，为构建鲁棒LALMs提供基础。
2026-09-02 cs.LG cs.SD eess.AS
LALM-as-a-Judge: Benchmarking Large Audio-Language Models for Safety Evaluation in Multi-Turn Spoken Dialogues
Computer Engineering, Technion--Israel Institute of Technology, Haifa, Israel（技术学院电子工程系，技术离子技术研究所，以色列海法）；Language Technologies Institute, Carnegie Mellon University, Pittsburgh, PA, USA（语言技术研究所，卡内基梅隆大学，美国匹兹堡）
针对口语对话中社会不安全内容评估仍以文本为中心、忽略韵律和转录失败的问题，提出包含24000个多轮口语对话的开放基准，评估6种大型音频语言模型在文本、音频和多模态设置下的敏感性、严重性顺序特异性和轮次位置偏差，发现音频提供非词汇证据，多模态增益非普遍且存在多种模式。
2026-06-18 cs.SD eess.AS
Discrete vs. Continuous: A Comprehensive Study of Unified Audio Understanding in LALMs
Tsinghua University（清华大学）
本研究系统比较了大型音频语言模型中连续与离散表示，发现语义约束对音频理解至关重要，且扩展模型规模无法弥补表示信息损失，为未来设计提供了平衡指导。
2026-09-23 cs.AI cs.SD
Audio-CoT: Exploring Chain-of-Thought Reasoning in Large Audio Language Model
Shanghai Jiao Tong University（上海交通大学）；Nanyang Technological University（南洋理工大学）；ByteDance Inc.（字节跳动公司）
本研究首次探索将思维链推理融入大型音频语言模型以提升其听觉模态推理能力，评估了代表性方法在多领域任务的表现，发现其对中低难度任务有效、高难度任务存局限，且推理路径长度与准确率正相关。
2025-01-13 cs.CL cs.MM cs.SD
Assessing Factual Music Comprehension in Large Audio Language Models
针对现有MusicQA数据集无法衡量模型回答事实正确性的问题，提出基于可验证信息的评估协议，通过精确率、召回率和F1分数客观评估模型，并在三个数据集上定义六项事实检索任务，对九个最新LALM进行基准测试。
2026-08-11 cs.CL cs.LG cs.SD
When Scaling Fails: Mitigating Audio Perception Decay of LALMs via Multi-Step Perception-Aware Reasoning
Northeastern University,China（东北大学）；NiuTrans Research（NiuTrans研究院）
本文提出MPAR²范式，通过多步骤感知-aware推理缓解LALMs在推理过程中因音频感知衰减导致的性能下降问题。
2026-09-22 cs.AI cs.SD eess.AS
AdvWave: Stealthy Adversarial Jailbreak Attack against Large Audio-Language Models
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对大型音频语言模型（LALMs）越狱研究有限、存在梯度破碎等技术挑战，研究团队提出首个LALMs越狱框架AdvWave，通过双阶段优化等方法实现更高攻击成功率且保证音频隐蔽性。
2024-12-11 cs.AI cs.CR cs.SD
Auditing Protocol-Level Shortcuts in Large Audio Language Model Judges for Speech Evaluation
研究大型音频语言模型语音评估中协议级捷径，通过对三种部署协议审计发现多个LALM依赖此类捷径，如特征蓝图评判中错误标签影响准确率，拼接A/B比较有固定选择倾向，强调联合评估模型与协议及用匹配探针评估的重要性。
2026-07-16 cs.CL cs.SD eess.AS
SightSound-R1: Cross-Modal Reasoning Distillation from Vision to Audio Language Models
Columbia University（哥伦比亚大学）；University of Washington（华盛顿大学）
针对音频语言模型推理能力不足的问题，提出跨模态蒸馏框架 SightSound-R1，通过 LVLM 教师生成音频思维链、过滤幻觉并进行 SFT 与 GRPO 训练，显著提升 LALM 在域内外 AVQA 任务上的推理表现。
2025-09-19 cs.AI cs.CL cs.SD
Benchmarking and Confidence Evaluation of LALMs For Temporal Reasoning
Indian Institute of Science（印度科学研究所）
针对大音频语言模型（LALMs）时序推理能力评估的需求，提出新型数据集TREA，基准测试显示开源LALMs表现落后于人类，同时提出基于输入语义扰动不变性的不确定性指标，发现其与准确率无必然相关性，强调需全面评估LALMs以适配高风险应用。
2025-05-19 cs.AI cs.CL cs.LG
DeSTA2.5-Audio: Toward General-Purpose Large Audio Language Model with Self-Generated Cross-Modal Alignment
本文提出DeSTA2.5-Audio，一种通用大规模音频语言模型，通过自我生成的跨模态对齐策略解决知识保留与音频感知的平衡问题，展示了在多个音频-语言基准测试中的优异性能。
2026-03-19 cs.CL cs.SD eess.AS
Nudging Hidden States: Training-Free Model Steering for Chain-of-Thought Reasoning in Large Audio-Language Models
研究通过无训练的模型引导方法提升大音频-语言模型的推理能力，采用多种信息源策略在四个模型和四个基准上进行评估，结果显示推理准确率提升达4.4%，并发现跨模态迁移效应。
2026-03-15 cs.AI cs.CL cs.SD
Focus Then Listen: An Empirical Study of Plug-and-Play Audio Enhancer for Noise-Robust Large Audio Language Models
University of California, Berkeley（加州大学伯克利分校）；University of Washington（华盛顿大学）
提出即插即用的音频增强器FTL，通过分离语音与非语音并利用模态路由器预测目标模态，生成任务自适应增强信号，无需微调即可提升LALMs在噪声环境下的性能。
2026-06-29 cs.SD
JALMBench: Benchmarking Jailbreak Vulnerabilities in Audio Language Models
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；State Key Laboratory of Internet Architecture, Tsinghua University（清华大学互联网架构国家重点实验室）；University of North Texas（北卡罗来纳州立大学）；University of Science and Technology of China（中国科学技术大学）；Fujian Normal University（福建师范大学）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
JALMBench通过评估11,316个文本样本和245,355个音频样本，分析LALMs对越权攻击的安全性，揭示模态和架构对安全性的影响，强调需专门设计的防御方法。
2026-02-28 cs.AI cs.CR cs.SD
SEE: Signal Embedding Energy for Quantifying Noise Interference in Large Audio Language Models
Beijing University of Posts and Telecommunications（北京邮电大学）；North China Electric Power University（华北电力大学）；Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；Nanyang Technological University（新加坡南洋理工大学）；Chongqing University of Posts and Telecommunications（重庆邮电大学）
本文提出SEE方法，用于量化LALMs中的噪声干扰，通过结构化激活子空间提升噪声感知，实验显示SEE与性能高度相关，传统去噪方法效果有限，提出基于SEE的改进策略。
2026-01-12 cs.LG cs.SD
Towards Reliable Large Audio Language Model
X-LANCE Lab, School of Computer Science, MoE Key Lab of Artificial Intelligence, Shanghai Jiao Tong University（X-LANCE实验室，计算机科学学院，人工智能国家重点实验室，上海交通大学）；ByteDance（字节跳动）
本文系统探索了提升大型音频语言模型可靠性的方法，提出新指标RGI，并发现可靠性意识可跨音频模态迁移。
2025-05-25 cs.CL cs.HC cs.MM
PolyBench: A Benchmark for Compositional Reasoning in Polyphonic Audio
Harbin University of Science and Technology（哈尔滨理工大学）；The University of Melbourne（墨尔本大学）；KAIST（韩国成均馆大学）；University of Surrey（萨里大学）
针对多声部音频中组合推理评估缺失的问题，提出PolyBench基准，包含计数、分类、检测、并发和时长估计五个子集，评估发现现有大音频语言模型在多声部场景下性能持续下降。
2026-06-18 cs.SD eess.AS
Causal Tracing of Audio-Text Fusion in Large Audio Language Models
研究通过因果追溯分析大型音频语言模型在音频理解过程中音频特征与文本上下文的融合机制，揭示不同模型在层间和token级的融合策略及信息瓶颈。
2026-09-24 cs.CL cs.SD
AHAMask: Reliable Task Specification for Large Audio Language Models without Instructions
AHAMask通过掩码LALMs解码器中的注意力头，实现无需指令的可靠任务规范，实验表明其性能可媲美或超越指令方法。
2025-11-29 cs.AI cs.SD eess.AS
A Reliability Assessment of LALM Audio Judges for Full-Duplex Voice Agents
Salesforce Applied AI Research（Salesforce应用人工智能研究院）
研究评估Gemini模型作为全双工语音智能体音频评判的可靠性，以Gemini 2.5 Flash为基准与人类评分者对比，测试多个维度，发现其在一些维度表现良好，不同模型有差异，确定部署需谨慎领域，为LALM部署提供实证依据。
2026-07-10 cs.AI cs.CL cs.SD
Does Location Matter? A Black-Box Causal Audit Reveals Model-Dependent Audio Grounding in LALM Hallucination
Sharif University of Technology（谢里夫理工大学）；Amirkabir University of Technology（阿米尔卡比尔理工大学）；New Uzbekistan University（新乌兹别克斯坦大学）；Okinawa Institute of Science and Technology（冲绳科学技术大学院大学）
本研究针对LALM的音频幻觉问题，提出黑盒因果测试方法，发现其音频 grounding 依赖模型，且改进的对比解码可提升Qwen2-Audio准确率至71.9%。
2026-10-12 cs.AI cs.LG cs.SD
AU-Harness: An Open-Source Toolkit for Holistic Evaluation of Audio LLMs
ServiceNow；University of Texas at Austin（德克萨斯大学奥斯汀分校）
AU-Harness通过优化处理流程和并行执行，实现151%的速度提升，提供标准化提示协议和灵活配置，促进音频大语言模型的系统性发展。
2026-05-11 cs.AI cs.LG cs.SD
Robust CAPTCHA Using Audio Illusions in the Era of Large Language Models: from Evaluation to Advances
本文提出了一种基于音频 illusion 的新型CAPTCHA方法，通过利用人类听觉机制，有效对抗大语言模型和自动语音识别模型的攻击，显著提升CAPTCHA的安全性。
2026-01-13 cs.CY cs.SD eess.AS
Step-Audio-AQAA: a Fully End-to-End Expressive Large Audio Language Model
Step-Audio Team（Step-Audio团队）
针对现有大音频语言模型依赖文本输出、无法直接生成自然语音的问题，提出全端到端模型Step-Audio-AQAA，通过双码本分词器、1300亿参数主干LLM、神经声码器及交错令牌后训练等技术，在语音控制等关键领域超越现有SOTA模型。
2025-06-13 cs.CL cs.SD eess.AS
Audio Jailbreaks in Large Audio-Language Models: Taxonomy, Attack-Defense Analysis, and Cost-Aware Evaluation
National Taiwan University（台湾大学）
本文提出了大型音频语言模型中音频越狱攻击与防御的统一分类法和受控实证评估，揭示了声学最佳N攻击暴露了最坏情况下的音频空间漏洞，叙事框架是一种有效的低延迟语义威胁，而现有防御在鲁棒性与良性可用性之间存在权衡。
2026-05-28 cs.AI cs.CL cs.SD
Thinking with Sound: Audio Chain-of-Thought Enables Multimodal Reasoning in Large Audio-Language Models
University of Southern California（南加州大学）；University of Queensland（昆士兰大学）；University of California, San Diego（加州大学圣地亚哥分校）；University of Buffalo（布法罗大学）；University of California, Merced（加州大学默塞德分校）
针对大型音频语言模型在复杂声学场景下推理能力不足的问题，提出Thinking-with-Sound框架，通过结合语言推理与实时音频分析实现音频思维链，在MELD-Hard1k基准上显著提升鲁棒性，无需重新训练即可大幅提高准确率。
2025-09-26 cs.CL cs.SD
AudioRouter: Data Efficient Audio Understanding via RL based Dual Reasoning
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；The University of Queensland（昆士兰大学）；vivo Mobile Communication Co., Ltd.（维沃移动通信有限公司）；University of California, Merced（加利福尼亚大学美熹德分校）
AudioRouter通过强化学习双推理机制，以更少的数据训练实现LALMs在音频理解上的高效提升。
2026-02-11 cs.AI cs.SD eess.AS
Direct or Mediated? Task-Dependent Audio Information Routing in Large Audio Language Models
Graduate School of Informatics, Kyoto University（京都大学信息学研究科）；WXG, Tencent（腾讯微信事业群）
该研究针对大型音频语言模型，发现其在拼接两段音频的任务中，自动语音识别稳定而音频问答性能大幅下降，揭示了两类任务依赖不同的音频信息路由路径，指出信息利用是其泛化的潜在限制。
2026-08-28 cs.MM cs.SD
Hearing the Order: Investigating Position Bias in Large Audio-Language Models
National Taiwan University（台湾大学）
本文首次系统研究了大型音频-语言模型中位置偏差问题，通过实验发现答案选项顺序影响模型性能，提出基于排列的策略可缓解偏差。
2026-09-01 cs.CL cs.SD
VoiceGiraffe: A Benchmark for Extreme Long-Context Audio-Language Understanding
Future Living Lab（未来生活实验室）；Alibaba（阿里巴巴）
提出VoiceGiraffe基准，通过1500个三元组和双层分类法评估大音频语言模型在长上下文场景下的单跳感知与多跳推理能力，揭示模型在长距离记忆持久性上的瓶颈。
2026-05-27 cs.SD
Towards Audio Token Compression in Large Audio Language Models
MIT（麻省理工学院）；IBM Research（IBM研究院）；MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室）；Tuebingen AI Center/University of Tuebingen（图宾根人工智能中心/图宾根大学）
本文提出通过无监督分割和低秩适配器技术，压缩音频标记以提升大型音频语言模型在资源受限平台上的性能。
2026-08-21 cs.AI cs.CL eess.AS
Towards Holistic Evaluation of Large Audio-Language Models: A Comprehensive Survey
National Taiwan University（台湾大学）；NTU Artificial Intelligence Center of Research Excellence (NTU AI-CoRE)（国立清华大学人工智能研究中心（NTU AI-CoRE））
本文针对大音频-语言模型的评估进行全面调查，提出系统化的分类体系，从四个维度探讨其性能，揭示挑战与未来方向，为领域提供指导。
2026-04-26 cs.AI cs.CL cs.SD
AudioRAG+: Feedback-driven Retrieval-augmented Audio Generation with Large Audio Language Models
Centre for Vision, Speech and Signal Processing (CVSSP), University of Surrey, UK（视觉、语音和信号处理中心（CVSSP），英国萨里大学）；Tencent AI Lab, Beijing, China（腾讯人工智能实验室，中国北京）；Tencent AI Lab, Seattle, USA（腾讯人工智能实验室，美国西雅图）
AudioRAG+利用大音频语言模型提升文本到音频生成中特定声音事件的合成能力，通过反馈驱动检索增强生成过程。
2026-02-17 cs.SD
SpectCount: Spectrotemporal Counting via Synthetic Signals Improves Large Audio Language Models
Department of Electrical and Computer Engineering and INMC, Seoul National University, Seoul, South Korea（电气与计算机工程系和INMC，首尔国立大学，首尔，韩国）
针对大型音频语言模型在频谱时间感知上的弱点，提出SpectCount方法，利用动态生成的完全合成音频信号进行数据高效微调，无需真实音频或标注，显著提升多种听觉基准性能。
2026-06-05 cs.AI cs.SD eess.AS
KoALa-Bench: Evaluating Large Audio Language Models on Korean Speech Understanding and Faithfulness
Department of Artificial Intelligence, Chung-Ang University（Chung-Ang 大学人工智能系）；Upstage AI
本文提出KoALa-Bench，一个用于评估大型音频语言模型在韩语语音理解和忠实性方面的基准，包含六个任务，涵盖语音识别、翻译、问答和指令跟随等核心能力，并包含韩国特定知识内容。
2026-09-01 cs.AI cs.CL cs.SD
Continuous Audio Thinking for Large Audio Language Models
KAIST（韩国科学技术院）
提出连续音频思考（CoAT）框架，通过专家蒸馏在连续潜在空间中组织声学信息，使音频语言模型在生成响应前利用丰富声学特征，无需额外自回归解码成本，在多个音频任务上提升性能。
2026-06-18 cs.AI cs.CL cs.SD
MiDashengLM-Spatial: Unifying General Audio Understanding and Spatial Awareness
Xiaomi Inc.（小米公司）
MiDashengLM-Spatial是首个开源端到端统一音频-语言模型，通过新增Spatial-Dasheng空间音频编码器，在不损害通用音频理解的前提下实现了优异的空间感知能力，在相关基准上表现突出。
2026-10-09 cs.SD eess.AS
From Inaudible Inputs to Model Failures: Low-Frequency Safety Risks in LALMs
Beijing University of Posts and Telecommunications（北京邮电大学）；Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；Nanyang Technological University（南洋理工大学）；JIUTIAN Research（中移九天）；Tencent ARC Lab（腾讯ARC实验室）；Chongqing University of Posts and Telecommunications（重庆邮电大学）
本文提出不可听红队测试方法ILL评估LALMs的低频安全风险，发现其可降低LALMs准确率达67个百分点，同时提出DRG防护方法可提升受攻击后的准确率，明确了LALMs此前被忽视的安全风险。
2026-08-11 cs.AI cs.SD
Who Can Withstand Chat-Audio Attacks? An Evaluation Benchmark for Large Audio-Language Models
University of Technology Sydney（技术科技大学）；University of Liverpool（利物浦大学）；Beijing Jiaotong University（北京交通大学）
本文构建包含四类音频攻击的 CAA 基准，并结合标准、GPT-4o 与人工评估，考察六个前沿 LALM 在对话场景中的鲁棒性，发现 GPT-4o 抵御能力最强。
2025-06-06 cs.AI cs.SD eess.AS
Can large audio language models understand child stuttering speech? speech summarization, and source separation
Department of Computer Science, University of Florida, Gainesville, FL, USA（佛罗里达大学计算机科学系）；Department of Computer Science, Lebanese American University（黎巴嫩美国大学计算机科学系）
本研究评估大型音频语言模型在儿童口吃语音上的源分离与摘要能力，发现其性能受场景影响，并为临床应用提供指导。
2025-10-21 cs.CL cs.SD eess.AS
EvA: An Evidence-First Audio Understanding Paradigm for LALMs
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Didi Chuxing（滴滴出行）
提出EvA双路径架构，通过分层聚合和非压缩时间对齐融合增强声学证据保留，并在统一零样本协议下在MMAU、MMAR和MMSU上取得最佳开源感知结果，支持以证据为先的假设。
2026-05-28 cs.AI cs.SD
CantoASR: Prosody-Aware ASR-LALM Collaboration for Low-Resource Cantonese
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Hong Kong University of Science and Technology（香港科学与技术大学）；National Taiwan University, Taiwan（台湾国立台湾大学）；Columbia University（哥伦比亚大学）；WeBank Co., Ltd., Shenzhen, China（深圳网商银行有限公司）
CantoASR通过强制对齐、LoRA微调Whisper和指令微调Qwen-Audio的协作纠错框架，利用韵律与声学线索显著降低低资源粤语ASR的字符错误率。
2025-11-06 cs.CL cs.SD
Augmenting Large Audio-Language Models with Frame-Level Grounding for Fine-Grained Temporal Perception
University of Science and Technology of China（中国科学技术大学）；Singapore Institute of Technology（新加坡理工大学）
本研究通过为大型音频-语言模型增加帧级定位模型，利用语义查询与细粒度音频特征结合，显著提升事件时间定位的精度和可靠性。
2026-09-15 cs.AI cs.SD
GlobeAudio: A Multilingual Multicultural Benchmark for Naturalistic Evaluation of Large Audio-Language Models
Singapore University of Technology and Design（新加坡科技设计大学）
提出GlobeAudio基准，包含5637道多语言多选题，评估大型音频-语言模型在自然音频条件下的听觉推理和文化理解能力，发现开源模型和低资源语言存在显著性能差距。
2026-06-06 cs.AI cs.CL
