Buchumschlag

Mind the Gap! Static and Interactive Evaluations of Large Audio Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Minzhi, Held, William Barr, Ryan, Michael J, Pipatanakul, Kunat, Manakul, Potsawee, Zhu, Hao, Yang, Diyi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Sound Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AudioJudge: Understanding What Works in Large Audio Model Based Speech Evaluation
von: Manakul, Potsawee, et al.
Veröffentlicht: (2025)

Extending Audio Context for Long-Form Understanding in Large Audio-Language Models
von: Chaichana, Yuatyong, et al.
Veröffentlicht: (2025)

Enhancing Low-Resource Language and Instruction Following Capabilities of Audio Language Models
von: Manakul, Potsawee, et al.
Veröffentlicht: (2024)

Scaling Open Discrete Audio Foundation Models with Interleaved Semantic, Acoustic, and Text Tokens
von: Manakul, Potsawee, et al.
Veröffentlicht: (2026)

Bridging Language Gaps in Audio-Text Retrieval
von: Yan, Zhiyong, et al.
Veröffentlicht: (2024)

Mind the Gap: Entity-Preserved Context-Aware ASR Structured Transcriptions
von: Altinok, Duygu
Veröffentlicht: (2025)

Audio Large Language Models Can Be Descriptive Speech Quality Evaluators
von: Chen, Chen, et al.
Veröffentlicht: (2025)

ALLM4ADD: Unlocking the Capabilities of Audio Large Language Models for Audio Deepfake Detection
von: Gu, Hao, et al.
Veröffentlicht: (2025)

Audio-Mind: An Auditable Agentic Framework for Audio Understanding
von: Wang, Yucheng, et al.
Veröffentlicht: (2026)

Audio Is the Achilles' Heel: Red Teaming Audio Large Multimodal Models
von: Yang, Hao, et al.
Veröffentlicht: (2024)

AudioBench: A Universal Benchmark for Audio Large Language Models
von: Wang, Bin, et al.
Veröffentlicht: (2024)

Step-Audio-AQAA: a Fully End-to-End Expressive Large Audio Language Model
von: Huang, Ailin, et al.
Veröffentlicht: (2025)

Enhancing Temporal Understanding in Audio Question Answering for Large Audio Language Models
von: Sridhar, Arvind Krishna, et al.
Veröffentlicht: (2024)

Enhancing Automated Audio Captioning via Large Language Models with Optimized Audio Encoding
von: Liu, Jizhong, et al.
Veröffentlicht: (2024)

SoundMind: RL-Incentivized Logic Reasoning for Audio-Language Models
von: Diao, Xingjian, et al.
Veröffentlicht: (2025)

SAKURA: On the Multi-hop Reasoning of Large Audio-Language Models Based on Speech and Audio Information
von: Yang, Chih-Kai, et al.
Veröffentlicht: (2025)

Baichuan-Audio: A Unified Framework for End-to-End Speech Interaction
von: Li, Tianpeng, et al.
Veröffentlicht: (2025)

VIBE: Voice-Induced open-ended Bias Evaluation for Large Audio-Language Models via Real-World Speech
von: Lin, Yi-Cheng, et al.
Veröffentlicht: (2026)

How Contrastive Decoding Enhances Large Audio Language Models?
von: Lin, Tzu-Quan, et al.
Veröffentlicht: (2026)

Spatial Audio Processing with Large Language Model on Wearable Devices
von: Mishra, Ayushi, et al.
Veröffentlicht: (2025)

Direct Simultaneous Translation Activation for Large Audio-Language Models
von: Zhang, Pei, et al.
Veröffentlicht: (2025)

Can Large Audio-Language Models Truly Hear? Tackling Hallucinations with Multi-Task Assessment and Stepwise Audio Reasoning
von: Kuan, Chun-Yi, et al.
Veröffentlicht: (2024)

Resurfacing Paralinguistic Awareness in Large Audio Language Models
von: Yang, Hao, et al.
Veröffentlicht: (2026)

Closing the Modality Reasoning Gap for Speech Large Language Models
von: Wang, Chaoren, et al.
Veröffentlicht: (2026)

YODAS: Youtube-Oriented Dataset for Audio and Speech
von: Li, Xinjian, et al.
Veröffentlicht: (2024)

ISA-Bench: Benchmarking Instruction Sensitivity for Large Audio Language Models
von: Li, Bohan, et al.
Veröffentlicht: (2025)

Sci-Phi: A Large Language Model Spatial Audio Descriptor
von: Jiang, Xilin, et al.
Veröffentlicht: (2025)

SpeechVerse: A Large-scale Generalizable Audio Language Model
von: Das, Nilaksh, et al.
Veröffentlicht: (2024)

CLAIR-A: Leveraging Large Language Models to Judge Audio Captions
von: Wu, Tsung-Han, et al.
Veröffentlicht: (2024)

Unlocking Large Audio-Language Models for Interactive Language Learning
von: Liu, Hongfu, et al.
Veröffentlicht: (2026)

ICLAD: In-Context Learning with Comparison-Guidance for Audio Deepfake Detection
von: Chou, Benjamin, et al.
Veröffentlicht: (2026)

MiMo-Audio: Audio Language Models are Few-Shot Learners
von: Core Team, et al.
Veröffentlicht: (2025)

DeSTA2.5-Audio: Toward General-Purpose Large Audio Language Model with Self-Generated Cross-Modal Alignment
von: Lu, Ke-Han, et al.
Veröffentlicht: (2025)

AUDDT: Audio Unified Deepfake Detection Benchmark Toolkit
von: Zhu, Yi, et al.
Veröffentlicht: (2025)

Reshaping Representation Space to Balance the Safety and Over-rejection in Large Audio Language Models
von: Yang, Hao, et al.
Veröffentlicht: (2025)

Covo-Audio Technical Report
von: Wang, Wenfu, et al.
Veröffentlicht: (2026)

LinTO Audio and Textual Datasets to Train and Evaluate Automatic Speech Recognition in Tunisian Arabic Dialect
von: Naouara, Hedi, et al.
Veröffentlicht: (2025)

How Auditory Knowledge in LLM Backbones Shapes Audio Language Models: A Holistic Evaluation
von: Lu, Ke-Han, et al.
Veröffentlicht: (2026)

Probing Audio-Generation Capabilities of Text-Based Language Models
von: Anbazhagan, Arjun Prasaath, et al.
Veröffentlicht: (2025)

Audio-CoT: Exploring Chain-of-Thought Reasoning in Large Audio Language Model
von: Ma, Ziyang, et al.
Veröffentlicht: (2025)