대형 오디오-언어 모델 (Large Audio-Language Models) 은 음성 및 오디오 벤치마크 전반에 걸쳐 일관된 성능 향상을 보이지만, 높은 점수가 반드시 진정한 청각적 인식을 반영하지는 않을 수 있습니다. 만약 모델이 음향 신호를 처리하지 않고도 질문에 답할 수 있다면, 해당 벤치마크는 청각적 이해도를 측정하는 지표로서 실패하게 됩니다. 우리는 텍스트 사전 (text prior) 과 오디오 의존성 (audio reliance) 이라는 두 가지 축을 사용하여 진단 프레임워크를 제시합니다. 여기서 텍스트 사전은 텍스트와 일반 지식만으로 답변 가능한 정도를 측정하고, 오디오 의존성은 실제 음향 신호에 대한 의존성을 평가합니다. 세 개의 벤치마크에서 여덟 개의 LALM 을 평가한 결과, 오디오 입력이 전혀 없는 상황에서도 모델들은 전체 오디오 점수의 60-72% 를 유지한다는 것을 발견했습니다. 또한 오디오가 필요한 항목들 중에서도 완전한 오디오 클립이 필요한 것은 오직 3.0-4.2% 에 불과하며, 대부분은 로컬라이즈드 (localized) 단편만으로도 해결될 수 있습니다. 이러한 결과는 벤치마크 성능이 견고한 오디오 이해도와 동일하다는 전제를 도전하며, 평가 신뢰성과 벤치마크 설계를 개선하기 위한 실용적인 지침으로 결론을 맺습니다.