SAKE: Rumo à Edição do Conhecimento de Atributos Auditivos em Grandes Modelos de Áudio e Linguagem

SAKE: Towards Editing Auditory Attribute Knowledge of Large Audio-Language Models

October 19, 2025

Autores: Chih-Kai Yang, Yen-Ting Piao, Tzu-Wen Hsu, Szu-Wei Fu, Zhehuai Chen, Ke-Han Lu, Sung-Feng Huang, Chao-Han Huck Yang, Yu-Chiang Frank Wang, Yun-Nung Chen, Hung-yi Lee

cs.AI

Resumo

A edição de conhecimento oferece uma forma eficiente de atualizar o conhecimento do modelo sem retreinamento completo, mas trabalhos anteriores concentraram-se quase exclusivamente em modalidades textuais ou visuais. Apresentamos o SAKE, o primeiro benchmark especificamente desenhado para editar conhecimento de atributos auditivos em Large Audio-Language Models (LALMs). Diferente de atualizações factuais, o SAKE tem como alvo vários atributos auditivos abstratos, capturando tipos de conhecimento que vão além dos domínios textuais e visuais convencionais. Avaliamos sete métodos de edição em dois LALMs ao longo de quatro dimensões: confiabilidade, generalidade, localidade áudio/texto e portabilidade. Os resultados destacam desafios como preservar o conhecimento intra-atributo não relacionado à edição, generalizar edições para o raciocínio multimodal e manter edições sob atualizações sequenciais. O SAKE fornece uma estrutura principiada para estudar como a edição de conhecimento se estende às modalidades auditivas, abrindo novas direções para manter e adaptar LALMs em cenários reais mais diversos.

English

Knowledge editing offers an efficient way to update model knowledge without full retraining, but prior work has concentrated almost exclusively on textual or visual modalities. We introduce SAKE, the first benchmark specifically designed for editing auditory attribute knowledge in Large Audio-Language Models (LALMs). Unlike factual updates, SAKE targets several abstract auditory attributes, capturing knowledge types that go beyond conventional textual and visual domains. We benchmark seven editing methods on two LALMs along four dimensions: reliability, generality, audio/text locality, and portability. Results highlight challenges such as preserving intra-attribute knowledge unrelated to the edit, generalizing edits to multimodal reasoning, and maintaining edits under sequential updates. SAKE provides a principled framework to study how knowledge editing extends to the auditory modalities, opening new directions for maintaining and adapting LALMs in more diverse real-world scenarios.