论文发布MAD2语音对话事实核查基准并提出多模态融合方法。
资讯摘要
论文提出MAD2，一个面向语音对话中事实核查的合成多轮音频对话基准，包含1000段双人对话、1230条句级可核查候选标注和约10小时音频。作者还提出一种校准的多模态融合方法，结合上下文感知音频编码器与对话感知文本模型。作者报告，加入对话上下文在多种设置下提升核查表现，但增益随场景变化；仅用过去上下文常接近局部离线性能；融合在全对话上下文下相对文本的平均优势最大，但并未在各设置下稳定显著优于文本。
要点速读
- MAD2包含1000段双人对话、1230条句级可核查候选标注和约10小时音频。
- 作者提出校准的多模态融合，结合上下文感知音频编码器与对话感知文本模型。
- 作者报告对话上下文带来提升但随场景变化，融合未稳定显著优于纯文本。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。