Dieser Datensatz ist ein umfangreicher Audiotext-Benchmark-Datensatz. Als erster multidimensionaler Benchmark zur Vertrauensbewertung, der speziell auf große Audiomodelle zugeschnitten ist, konzentriert sich AudioTrust auf die Bewertung der multidimensionalen Glaubwürdigkeit von Audio Large Language Models (ALLMs). Die relevanten Ergebnisse der Studie sind:AudioTrust: Benchmarking der vielfältigen Vertrauenswürdigkeit großer Audio-Sprachmodelle". Datensatzübersicht:

• Enthält über 4.420 Audiotextdaten aus realen Szenen, die 18 reale Szenarien abdecken, wie z. B. alltägliche Gespräche, Notrufe und Sprachassistenten.
• Aufgabentyp: Audio-Anti-Spoofing-Erkennung, Sprachbefehlserkennung, Überprüfung der Inhaltsauthentizität, multimodale semantische Ausrichtung.
• Modalität: Audio (Sprachanweisungen, irreführendes Audio), Text (Anweisungsbeschreibung, Bewertungsbezeichnung).

Zitat

@misc{audiotrust2025, title={AudioTrust: Benchmarking der facettenreichen Vertrauenswürdigkeit von großen Audio-Sprachmodellen}, Autor={ Kai Li und Can Shen und Yile Liu und Jirui Han und Kelong Zheng und Xuechao Zou und Lionel Z. Wang und Xingjian Du und Shun Zhang und Hanjun Luo und Yingbin Jin und Xinxin Xing und Ziyang Ma und Yue Liu und Xiaojun Jia und Yifan Zhang und Junfeng Fang und Kun Wang und Yibo Yan und Haoyang Li und Yiming Li und Xiaobin Zhuang und Yang Liu und Haibo Hu und Zhuo Chen und Zhizheng Wu und Xiaolin Hu und Eng-Siong Chng und XiaoFeng Wang und Wenyuan Xu und Wei Dong und Xinfeng Li }, Jahr={2025}, howpublished={\url{https://github.com/JusperLee/AudioTrust}}, }