最小RLVR训练：秩一轨迹外推LLM

本文提出Mega-ASR框架，通过构建包含54种复合声学场景的Voices-in-the-Wild-2M数据集，结合渐进式声学到语义优化和双粒度WER门控策略，在复杂噪声环境下相对词错误率降低超30%。该方法突破了现有模型在真实世界中的声学鲁棒性瓶颈。

本文全面调查了大型音频语言模型（LALMs）的可信性问题。作者分析了LALMs的内部机制，并建立了涵盖幻觉、鲁棒性、安全、隐私、公平性和认证六个维度的可信度分类法。研究发现，当前攻击手段成熟而防御措施不足，存在显著的可信度差距，并提出了“纵深防御”架构等策略以推动可信音频智能的发展。