OmniTools 8月21日消息，Hugging Face 最新研究引入三项测试，用于量化语音识别（ASR）领域的基准优化（benchmaxxing）现象。研究对 11 个开源 ASR 模型展开评估，发现多个在 VoxPopuli 和 LibriSpeech 基准上得分较高的系统，会直接复现基准数据集中已知的错误转录文本，即便输入音频内容与之明显矛盾。
进一步分析表明，部分模型能通过声学线索识别音频是否来自特定基准数据集，从而触发预设响应策略。这种行为导致模型在标准测试中得分虚高，无法真实反映其泛化转录能力。
该研究为 ASR 模型评估方法的改进提供了实证依据，提示业界需警惕当前基准测试的局限性。
