Sharif University of Technology

把音频大模型声称听到的那段波形单独抹掉，比抹掉同样长的随机片段更能推翻它的“有声音”判断，说明这类幻觉至少部分依赖可定位的音频证据，而按位置做对比解码还能把Qwen2-Audio的准确率从57.1%提到71.9%。

把音频大模型声称听到的那段波形单独抹掉，比抹掉同样长的随机片段更能推翻它的“有声音”判断，说明这类幻觉至少部分依赖可定位的音频证据，而按位置做对比解码还能把Qwen2-Audio的准确率从57.1%提到71.9%。