arXiv · Machine Learning Theory· Joseph T Colonel, Daniel Katzman, Kelsey Kirker, Adam N Davidson, Shalaila S Haas, Cheryl Corcoran, Ren\'{e} S Kahn, Guillermo Checci, Baihan Lin·· 3 小时前AI 评分22
音频语言模型在精神科临床对话录音中进行角色引导的说话人删除验证
Role-guided Speaker Deletion Verification in Clinical Psychiatry Speech Recordings with Audio Language Models
AI 导读
研究针对精神科双人临床对话录音，用音频语言模型和大语言模型验证指定说话人是否被彻底删除。测试 Gemma-4-12B、Gemma-4-31B、Nemotron-3-Nano、Nemotron-3-Nano-Omni 四种开源模型，14 种模型视图的 OR 集成 F1 达 0.478（精确率 0.330、召回率 0.870），召回增益显示模型与上下文视图间存在显著互补性。
来源：arXiv · Machine Learning Theory · arxiv.org