音频生成模型发展飞快，但如何评估它是否真正听懂指令成了难题。旧方法只会给整体分，解释性差还容易漏掉细节。AnyAudio Judge另辟蹊径，把复杂描述动态拆成一个个可验证的小评分项，像检查清单一样逐条核对。它构建了双语评测集和十万级思维链语料，用SFT与GRPO两阶段训练，让模型既能精细打分又能给出理由。实验显示，它在零样本对齐检测上大幅超越基线，还能作为奖励信号强化生成模型，让输出更贴合要求。
原文：arxiv.org
AnyAudio Judge：动态评分准则如何让音频生成更懂指令
3分钟 ·
10·
0
100