**大型音频语言模型综述：泛化、可信性与展望**

_A Survey of Large Audio Language Models: Generalization, Trustworthiness, and Outlook_

> 本文对大型音频语言模型（LALMs）进行了全面调查，重点探讨其泛化能力、可信性挑战及未来方向。文章详细分析了LALMs的架构创新和对齐算法，指出其端到端框架和连续声学信号集成扩大了攻击面。研究提出了一个可信性分类体系，涵盖幻觉、鲁棒性、安全性、隐私、公平性和认证等关键漏洞，并强调了当前防御机制的不足。最后，文章提出了深度防御架构、因果听觉世界建模和内在表示工程等策略路线图，旨在弥合经验性能与内在可信音频智能之间的差距。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.20266)