Interspeech 2026音频推理挑战赛：评估音频推理模型和代理的推理过程质量

近期的大规模音频语言模型（LALMs）在理解能力上表现出色，但在推理过程中往往缺乏透明性。为解决这一“黑箱”问题，我们在Interspeech 2026组织了音频推理挑战赛，这是首个专门用于评估音频领域推理链质量的共享任务。该挑战引入了MMAR-Rubrics，一种新颖的实例级协议，用于评估推理链的事实性和逻辑性。比赛设有单模型和代理两个赛道，吸引了来自18个国家和地区的156支队伍参与。结果显示，当前代理系统在推理质量方面处于领先地位，利用了迭代工具协调和跨模态分析。此外，单模型通过强化学习和复杂的数据管道迅速发展。我们详细介绍了挑战的设计、方法，并对最先进的系统进行了全面分析，为可解释的音频智能提供了新的见解。