开源评测框架 AU-Harness 称可将音频大模型评测耗时减少 77%。
资讯摘要
论文提出开源评测框架 AU-Harness，用于音频大语言模型（LALM）的高效统一评测。作者指出既有工具存在处理流程慢、多轮对话支持不足、缺乏统一可扩展框架三类问题。作者报告该框架将评测处理时间较现有工具包减少 77%，并提供标准化评测协议与灵活配置，支持多轮对话动态等分析。
要点速读
- 论文提出 AU-Harness，针对 LALM 评测流程低效、多轮对话支持不足、缺少统一可扩展框架的问题。
- 作者报告其评测处理时间较现有工具包减少 77%，可支撑此前难以开展的大规模评测。
- 框架提供标准化评测协议与灵活配置，并支持多轮对话动态等深入分析。
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 2026/10/27 08:00:28（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。