VocalGrad
VocalGrad 是一个专注于纯声学感知评测的基准，通过方向性二分类任务（判断声学维度在片段中是增大还是减小）隔离低层声学感知能力，避免语义推理的干扰。
时间轴 (近 90 天)
VocalGrad 研究显示，当前最先进的 LALM 在剥离语义推理的纯声学感知方向性二分类任务上准确率接近随机猜测。
方向性二分类的标签客观且可由声学测量自动生成，便于大规模构建基准。
通过线性探针分析，VocalGrad 研究发现 LALM 存在两种失败模式：表征存在但 LM head 未利用，以及信息在层间传播中逐渐不可线性解码。
VocalGrad 研究指出，这些表征差异无法从文本输出中观察到，必须深入模型内部才能发现。
VocalGrad 的两种失效模式指向不同改进方向：前者需调整输出端利用机制，后者涉及表征学习层面的设计。
VocalGrad 目前聚焦于时间变化方向的二分类，覆盖的声学维度有限，尚不能代表全部声学感知能力。
VocalGrad 提醒：多模态模型在语义任务上的高分可能掩盖感知能力的空缺，当模型依赖文本先验或语言推理猜答案时，基准测试会高估其真实能力。
对于构建音频应用的研究者和工程师，需要更细致地检查模型在非语义声学维度上的表现，而不是只看下游任务的聚合指标。
全部知识事实 (8)
VocalGrad 研究显示，当前最先进的 LALM 在剥离语义推理的纯声学感知方向性二分类任务上准确率接近随机猜测。
50%待验证方向性二分类的标签客观且可由声学测量自动生成，便于大规模构建基准。
50%待验证通过线性探针分析，VocalGrad 研究发现 LALM 存在两种失败模式：表征存在但 LM head 未利用，以及信息在层间传播中逐渐不可线性解码。
50%待验证VocalGrad 研究指出，这些表征差异无法从文本输出中观察到，必须深入模型内部才能发现。
50%待验证VocalGrad 的两种失效模式指向不同改进方向：前者需调整输出端利用机制，后者涉及表征学习层面的设计。
50%待验证VocalGrad 目前聚焦于时间变化方向的二分类，覆盖的声学维度有限，尚不能代表全部声学感知能力。
50%待验证VocalGrad 提醒：多模态模型在语义任务上的高分可能掩盖感知能力的空缺，当模型依赖文本先验或语言推理猜答案时，基准测试会高估其真实能力。
50%待验证对于构建音频应用的研究者和工程师，需要更细致地检查模型在非语义声学维度上的表现，而不是只看下游任务的聚合指标。
50%