研究者发布小时级音频理解基准Logbook

Kwanghee Choi等研究者发布 Logbook 基准，用于评估小时级长音频的事件理解，录音时长从十分钟到六天。任务要求系统在给定连续音频和事件标签词表的情况下，预测出无间隙的分段，并为每段标注事件标签与描述。 研究对比了 52 个端到端与级联系统，发现任务可解，但最佳系统仍低于人类参考水平，过分割现象普遍，微调可部分缓解；端到端系统通常优于级联系统，但上下文越长性能越差。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。