Phun-Bench：评估 LLM 的汉语语音理解

语言是思想的载体，与声音、符号和意义有着错综复杂的联系。然而，大多数 大语言模型 (LLM) 研究侧重于含义（语义）和符号（拼写），而很大程度上忽视了声音。现有的LLM语音能力基准要么可以通过死记硬背来解决，要么与其他能力交织在一起，使得它们不足以衡量LLM真正的语音理解能力。在这里，我们推出 Phun-Bench，这是一个专门构建的中文基准测试，具有跨三个维度（同音、押韵和语音相似性）的不同任务和设置，旨在系统地评估 LLM 的语音理解。我们的结果表明，虽然 LLM 擅长回忆正确的发音，但它们通常很难以人类说话者灵活、直观的方式利用语音知识。此外，通过详细的分析，我们提出了关于LLM语音理解和“感知”的潜在机制的假设，强调了未来研究尚未探索的前沿。