AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
OpenCompass Hub
AudioTrust
AudioTrust针对Audio Large Language Models（ALLMs）的全方位可信评估框架，有效揭示音频大模型在公平性、幻觉、安全、隐私、鲁棒性和身份验证六大维度的潜在风险。汇集4,420+条真实场景音频/文本数据，覆盖日常对话、紧急呼叫、语音助手等18种实验设置，设计9项音频特定评测指标，构建自动化评估流水线。主要发现：闭源模型在鲁棒性和安全防护上表现更佳，开源模型对隐私和公平性仍存盲区；多数ALLMs对性别、口音、年龄等敏感属性存在系统性偏见。期待研究者基于AudioTrust继续优化音频大模型，共同推动更安全、可信的AI音频生态发展！
评测信息与证据
- 来源
- OpenCompass Hub
- 发布者
- Tsinghua University, Nanyang Technological University
- 评测发布日期
- 2025-06-06
- 采集日期
- 2026-08-18
- 模态
- multimodal
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 0
本来源记录尚未收录数值成绩。这不表示模型得分为零，也不表示该评测没有公开成绩；请查阅原始资料。