倾听顺序：大型音频语言模型中位置偏差的调查
声音
2026-02-25 v2 计算与语言
摘要
大型音频语言模型（LALM）常用于涉及有序选项推理的任务，亟需探讨其预测是否受答案选项顺序影响，从而判断是否存在位置偏差及其对可靠性的潜在挑战。本文识别并分析了这一问题在LALM中的表现。通过在六个LALM模型上进行大量实验，涵盖三个广泛使用的基准测试及其口语化版本，证明没有模型完全免受此偏差影响。改变答案选项的顺序可导致性能波动最高达24%，甚至改变模型排名，引发对当前评估实践可靠性的广泛质疑。我们还研究了基于置换的策略，表明这些策略在大多数情况下可有效缓解偏差。本工作是LALM领域首次系统性调查此类问题，希望能提升相关意识并激励进一步研究。
引用
@article{arxiv.2510.00628,
title = {Hearing the Order: Investigating Position Bias in Large Audio-Language Models},
author = {Yu-Xiang Lin and Chen-An Li and Sheng-Lun Wei and Po-Chun Chen and Hsin-Hsi Chen and Hung-yi Lee},
journal= {arXiv preprint arXiv:2510.00628},
year = {2026}
}
备注
The first two authors contributed equally. Submitted to Interspeech 2026