arXiv cs.CL· Mateusz Modrzejewski, Tomasz Radzikowski·· 2 小时前AI 评分22
生成音乐的音频语言评判模型到底在听什么？四项探针与专家评分对照研究
What Do Audio-Language Judges of Generated Music Listen For? Four Probes with Controls from Expert Ratings
AI 导读
研究提出四项探针检验开放音频语言模型作为生成音乐评判者时究竟响应音乐、文本提示还是提问方式，并在 MusicEval 全部 2,748 个片段上测试五个开放评判模型。去掉音频后，没有评判模型能超过仅凭提示词从人类评分预测的水平；成对评判中四个较小模型的判定跟随片段在配对中的位置而非质量，改写指令对多数模型相关性的影响与更换评判模型相当。作者建议每个音乐评判模型都报告这四项探针结果。
来源：arXiv cs.CL · arxiv.org