面向可靠大型音频语言模型的探索
计算机科学与博弈论
2025-05-27 v1
摘要
近期大型音频语言模型（LALM）的进展展示了在语音、音乐和一般声音领域实现惊人成果和前景的潜力。然而，这些模型仍缺乏识别知识边界并主动拒绝回答不确定问题的能力。虽然已有成功尝试提升LLM可靠性，但可靠的LALM研究仍不足。本文系统性地调查了 various 方法以实现可靠LALM，包括训练自由方法，如多模态链式思考（MCoT），以及训练基方法，如监督微调（SFT）。此外，我们识别了先前评估指标的局限性，并提出了新的指标——可靠性提升指数（RGI），用于评估不同可靠方法的效果。我们的发现表明，训练自由方法和训练基方法在不同程度上都提高了LALM的可靠性。而且，我们发现可靠性意识是一种“元能力”，可在不同音频模态之间传递，尽管声音、音乐和语音之间存在显著的结构和内容差异。
引用
@article{arxiv.2505.19298,
title = {Market Clearing with Semi-fungible Assets},
author = {Theo Diamandis and Tarun Chitra and Guillermo Angeris},
journal= {arXiv preprint arXiv:2505.19298},
year = {2025}
}