研究者发布EXAM²多语言多模态音频理解基准

Jiawen Wang等研究者发布EXAM²基准，用于评测多语言、多模态音频理解，覆盖六种语言，以及语音、声音、音乐、混合音频和图像等模态。 该基准包含5,667道多选题、22,614个图像实例和135,684条多语言翻译。上述内容来自研究者在论文中的自述。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。