DEAF（音频语言模型声学忠实度诊断评估）是一个包含2700多个冲突刺激的基准，旨在系统性地评估音频多模态大型语言模型（Audio MLLMs）在处理声学信号时的真实能力。研究聚焦于三个声学维度：情感韵律、背景声音和说话者身份。通过设计一个多层次的评估框架，逐步增加文本的影响力，从内容中的语义冲突到误导性提示及其组合，能够有效地将内容驱动的偏差与提示引起的偏差进行区分。这一基准为理解音频模型的声学...