論文の概要: Right Answers, Inconsistent Evidence: Source-Level Counterfactual Auditing of Large Audio-Language Models
- arxiv url: http://arxiv.org/abs/2611.15463v1
- Date: Wed, 11 Nov 2026 13:32:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.153846
- Title: Right Answers, Inconsistent Evidence: Source-Level Counterfactual Auditing of Large Audio-Language Models
- Title(参考訳): 右の回答と矛盾する証拠:大音量言語モデルの音源レベル対実聴取
- Abstract要約: 大型オーディオ言語モデル(LALM)は「猫がいる?」と答えられる。
しかし、これは猫の存在が不在であることを示すものではない。
TRACEを導入し、クエリソースと各競合を順番に削除する。
その音を含むすべてのビューが、削除されたビューよりも優れているかどうかを問う。
- 参考スコア(独自算出の注目度): 6.600710805749337
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A large audio-language model (LALM) can answer "is a cat present?" about a mixture correctly, and its confidence can drop when the cat is removed, yet this does not show that it can tell the cat's presence from its absence. We introduce TRACE. It deletes the queried source and each rival in turn and asks whether every view still containing that sound outscores the view with it removed. Across 8 LALMs and 3,456 controlled mixtures, 6.3% of correct answers fail this ordering: the target-absent view scores at or above some target-present view, a conflict no shared threshold repairs. A target-only score check misses 42.5% of them. The share rises from 4.9% to 8.4% as target SNR falls from +5 to -5 dB, even on units correct at every level, and survives loudness and re-pairing controls. Accuracy certifies the answer; TRACE audits whether it orders presence above absence. Code and data: https://github.com/yikise/TRACE.
- Abstract(参考訳): 大型オーディオ言語モデル(LALM)は「猫の存在か?」という解答を正しく行うことができ、猫が取り除かれたときにその信頼性が低下することがあるが、猫の存在が不在であることは示さない。
TRACEを導入します。
クェリされたソースと、それぞれのライバルを順番に削除し、そのサウンドを含むすべてのビューが、そのビューを削除してスコア付けするかどうかを尋ねる。
8個のLALMと3,456個の制御された混合物のうち6.3%の正しい答えがこの順序で失敗する。
目標のみのスコアチェックでは42.5%が欠落している。
目標のSNRが+5から-5dBに下がったため、シェアは4.9%から8.4%に上昇する。
TRACEは、欠席前に存在を命令するかどうかを監査する。
コードとデータ:https://github.com/yikise/TRACE.com
関連論文リスト
- Ask Before You Answer: A Question-Driven Evidence Reasoning Architecture (QERA) for In-Context Learning [55.5725245335962]
質問駆動のエビデンス推論アーキテクチャであるQERAを提案する。
QERAはまず要求を要求チェックリストと入力された情報要求に変換し、ユーザーの言葉に忠実なコードでフィルタリングする。
その後、会話全体から回答し、コードによって検証された引用で同じ質問を繰り返す。
論文 参考訳(メタデータ) (2026-10-26T09:26:23Z) - VisualTrust: Video Reasoning under On-Screen Claim Framing [20.237432350204845]
我々は,主張推論,マルチモーダルな大規模言語モデルにおいて,画面上の主張が矛盾する視覚的証拠を覆す傾向について検討する。
私たちは、14のクレームファクトクラスで5,063ケースの反ファクトベンチマークであるVisualTrustを紹介します。
3つのプロプライエタリなモデルの500本のビデオでは、47.2--64.0%から81.8--85.2%まで誤解を招くクレームの下で精度を高め、34.4--50.8%から11.6--15.0%までトラップ・アンサーの選択を減らす。
論文 参考訳(メタデータ) (2026-10-15T03:20:18Z) - Same Space or Not: Benchmarking Spatial Intelligence Through Cross-View Contradictions [80.65137714222533]
スペース・アンド・ノット(Space or Not)は、クロスビューの矛盾解決のベンチマークである。
人間は83.3%の精度を達成しており、最強の視覚言語モデルでは39.7%である。
論文 参考訳(メタデータ) (2026-10-09T17:54:57Z) - Spatial Action Review: A Visual Analytics Dashboard for Auditing Language-to-Action Hand-offs in Electron Microscopy [0.0]
空間行動レビュー(Spatial Action Review)は、電子顕微鏡(EM)ミトコンドリア分析において、この障害モードを監査するための視覚分析ダッシュボードである。
ペア化された回答アクションレコードを、回答アクション台帳、タスク・バイ・データセットのリスクマップ、イメージ・リージョンの監査ビューを通じてリンクする。
レビューは人間とAIのハンドオフで終了し、スーパーバイザーは、アクションが受け入れられるか、エスカレーションされ、より厳格なゲートの下で保持されるか、またはモデルリビジョンのためにフラグ付けされるかを記録します。
論文 参考訳(メタデータ) (2026-09-21T12:13:17Z) - From Scores to Evidence: Auditable Decisions Can Improve Speech Deepfake Detection [12.159476982130286]
音声のディープフェイクは、聞き手や自動化されたシステムを騙すのに十分な説得力のある話者の声を模倣することができる。
ほとんどの検出器は発話ごとに1点のスコアで終わるが、なぜ境界線アイテムが信頼されるべきなのか、延期されたのか、あるいはレビューされるべきなのかは、ほとんど語っていない。
この疑問に答えるには、4つの整列した手がかりを後期校正ステップに伝達する監査可能な決定記録がある。
論文 参考訳(メタデータ) (2026-09-08T15:38:57Z) - Voice Memory for Agentic Speech Recognition [66.69623133635868]
エージェント音声認識のための推論専用スキームであるVoice Memoryを提案する。
同期的に、スコア付き例は、境界編集を通じてそのファイルを更新する。
10のHyPoradiseドメインにオープン修正器、Voice Memory、重み付き単語エラー率8.36%から7.52%の10のドメインがある。
論文 参考訳(メタデータ) (2026-07-29T02:42:56Z) - Evaluating Commercial AI Chatbots as News Intermediaries [85.32040752972836]
ベストシステムは、数時間前に報告されたイベントに関する質問に対して、90%以上の多重選択精度を達成する。
すべてのモデルはヒンディー語で最小の精度を達成する。
原因ではなく検索は エラーの70%以上を 引き起こします
論文 参考訳(メタデータ) (2026-05-21T17:42:07Z) - High Accuracy, Less Talk (HALT): Reliable LLMs through Capability-Aligned Finetuning [84.52940628494879]
大規模言語モデル(LLM)は現在、すべてのプロンプトに応答する。
LLMは、知識や能力の欠如によって、誤った答えを生み出すことができる。
本稿では,その正確性に自信を持った場合にのみコンテンツを生成するためのLCMのポストトレーニングを提案する。
論文 参考訳(メタデータ) (2025-06-04T15:16:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。