변화하는 장면의 이해
정적인 단일 장면의 소리만으로는 여러 사람과 사건이 뒤섞이는 환경을 충분히 나타내기 어렵다. CMDAR는 복잡한 다중 장면과 시간에 따라 전개되는 오디오를 대상으로 삼는다.
언어와 자료 범위
중국어 오디오를 중심으로 다양한 녹음에 질문 답변 3000쌍을 연결한다. 다섯 복합 추론 범주와 세 질문 유형을 포함해 영어 중심 평가에서 드러나기 어려운 조건을 살핀다.
형식별 결과의 차이
연구는 26개 오디오 언어 모델을 평가한다. 주요 평가의 정확도와 여러 오디오를 사용하는 선택형 및 열린 과제의 비교 결과가 달라 전체 순위 하나만으로 모든 형식의 우위를 판단하기 어렵다.
사건을 연결하는 예
한 사람이 문을 열고 잠시 뒤 다른 사람이 같은 소리를 언급한다면 발화 내용과 사건의 시간을 함께 연결해야 한다. 단어를 전사하는 능력만으로 화자 사이의 관계와 시간적 흐름을 모두 설명할 수는 없다.
관련 문서
MMAR / MMSU / MMAU / ReasonAudio / ALME / AIR-Bench 오디오 평가