1 含有标签「audio」

多模态评估漂移：为什么在文本表现稳定的情况下，图像和音频路径会出现回退

大多数团队将多模态作为其文本产品的薄扩展来发布，并沿用了一套系统性地无法察觉图像或音频回退的评估准则。解决方法是采用单模态评分标准、特定模态的黄金数据集，以及一个拒绝在不同输入类型间聚合质量指标的发布门控。