Hugging Face 最新研究测了 11 个开源语音识别模型，发现 6 个会把参考答案里的错误一字不差地背出来——音频里明明说了“Thank you”，交出的转写却漏掉。跑分越高，背得越起劲；换一副陌生口音，当场翻车。
榜单上的「听懂」，有一半是「背熟」
VoxPopuli 的一段欧盟议会演讲，音频里清清楚楚说了「Thank you, Mr. President」，但官方参考答案里没有「Thank you」。11 个被测模型里有 6 个乖乖交出了漏字的版本——它们不是在「听」，是在抄卷子。
把语音识别模型的成绩单摊开看，往往是「超越人类水平」「错误率新低」一类的字眼。这些分数大多跑在 VoxPopuli、LibriSpeech 这几个公开测试集上，VoxPopuli 收集的是欧洲议会的真实演讲录音，LibriSpeech 来自公开的有声书。Hugging Face 在 2026 年 8 月发布的一项研究，直接把这种「高分」扒了个底朝天：研究团队测了 11 个被广泛使用的开源 ASR（自动语音识别）模型，结果发现好几个榜单常客并没有在认真「听」音频，而是在背参考答案。
VoxPopuli 的参考答案本身有不少错误，Artificial Analysis 曾专门发布过清洗版。研究团队用一个由多个低 PER（音素错误率）模型组成的「评审团」来挑刺——PER 衡量的是写出来的文字和实际发音有多接近，越低说明模型越忠于音频。当评审团一致认为「参考答案错了」时，再人工核对。然后就碰到了开头那一幕：音频里有「Thank you」，参考文本里没有，Cohere Transcribe、NVIDIA Canary-Qwen、IBM Granite-Speech 等六个模型全都照着错答案抄。连标点都对齐了：抄错答案的模型把「Mr」写成没句号的「Mr」，因为原参考答案就这么写的；老老实实听音频的模型则规规矩矩写成「Mr.」。
最让研究团队警觉的是下一个实验。同一个说话人、同样的内容，只是换了一种声音——比如用同一位议员的合成语音，或者用一段在所有模型训练截止日期之后录下的新音频，再让这 11 个模型跑一遍。
多数之前抄错答案的模型立刻「清醒」过来，老老实实打出「Thank you, Mr President」。这说明模型靠的不是语言规律，而是从声学特征里嗅出了「这道题来自 VoxPopuli」的气息，然后调出背好的标准答案。研究团队把这种行为叫做「基准测试优化」，圈内俗称「刷分」（benchmaxxing）。
研究发布于 2026 年 8 月 21 日，由 Hugging Face 与 Hume AI 的研究人员在 GitHub 上同步公开。VoxPopuli 和 LibriSpeech 被点名，问题不止于「答案有错」——这些基准同时被用来训练和测试模型，等于考前漏题，跑分自然好看；音频一换、换一种口音、换一种环境，分数就会露出原形。Hugging Face 在 Open-ASR Leaderboard 等榜单中专门加入了「留出集」，就是要把没被任何人见过的真实录音混进去，看模型到底是真懂还是装懂。模型们下次再交出漂亮成绩单之前，得先过这一关。
三招测出谁在背答案
与其争论模型在刷分，不如直接量化它刷了多少。Hume AI 的研究团队用三个探针，把"榜单强者"和"真正在听"的模型切开。
第一招叫"陪审团反向检测"。他们挑了 11 个独立的 ASR（自动语音识别）模型，按音素错误率（PER，即模型写出的文字和音频里声音的接近程度）筛出一批"耳朵最灵"的组成陪审团，让它们同时听同一段 VoxPopuli 音频。
VoxPopuli 是欧洲议会录音攒出来的公开数据集，早被业内指出转写错误一大堆（连 Artificial Analysis 都出过清洗版）。当 11 个模型集体写出和参考答案不同的版本，研究者就判定参考答案本身写错了——因为 11 个独立模型的共识比单条参考答案更值得信。
第二招叫"静音召回"。把音频里某个数字静音掉，看模型还会不会写出那个数字。会的话，它不是听出来的，是从参考答案背下来的。这一招直接掐掉了"它只是听力好"的辩解空间。
第三招叫"正字法切换定位"。正字法（orthography）就是拼写规范——"Mr"带不带点、"colour"还是"color"、大小写习惯。研究者追踪模型在什么位置、按什么规则切换拼写风格：如果切换点对的是声学特征（口音变了、用词风格变了），说明模型在听；如果切换点对的是参考答案的语料来源特征，那就是在背。三招叠加，刷分模型无处遁形。
这套方法的厉害之处在于：它不依赖任何"我不知道答案"的假设。研究者从头到尾没去猜某个模型有没有作弊，只是把音频和参考答案的偏离度量化出来，把"模型在听"和"模型在背"从可观察的行为里拆开。下次再看到"超越人类水平"——可以多问一句：测的是哪批音频？换一批还成立吗？至于刷出来的分要怎么挤掉水分，下一节拆给你看。