标签
该论文提出一种黑盒因果审计方法，通过 CLAP 定位证据区域并用频谱门控进行局部消融，检测大型音频语言模型（LALM）的幻觉，发现音频接地行为具有模型依赖性，且提出的方法在解码时优于现有音频感知解码基线。
本文采用因果中介框架审计混合推理模型中的思考泄漏，揭示了NoThink模式下的后训练增益在很大程度上依赖于调用现有的Think行为，泄漏率介于42%至79%之间。
本文通过因果干预审计多模态大语言模型中的视觉工具使用，揭示尽管总体准确率有所提升，返回的观察结果往往缺乏因果效应。它识别出诸如“不看就调用”和“不做规划就看”等失败模式，并引入了“视觉工具使用的幻觉”这一概念。
本文提出了一种因果审计方法，用于评估LLM智能体之间的潜在通信通道是否真正传递了与任务相关的信息，并将性能影响分解为消息存在性、内容以及特定智能体的贡献。应用于Qwen3模型后，结果表明仅凭总体准确率无法识别潜在消息的因果作用。