SURE：统一且可复现的语音理解实验框架

语音基础模型和语音 LLM 具有先进的语音理解能力，但面向部署的模型选择受到后处理不匹配导致的不可比较评估以及难以跨数据规模和管道重现的训练结果的阻碍。我们提出了 SURE，一个统一的实验框架，可以统一预测格式、归一化处理和评分。 SURE 在现实声学和语言压力源下的代表性任务上评估跨范式（从传统管道到语音 LLM）的强大系统。除了评估之外，SURE 还引入了智能体辅助的训练转换流程，可根据匹配的开放数据子集的统一协议将论文和代码映射到版本化、可运行的训练管道中。总体而言，SURE 提高了面向部署的评估的可比性和再现性。