arXiv · AI· Jin Wang, Liang Lin, Kaiwen Luo, Weiliu Wang, Yuxuan Li, Zengxin Han, Gan Zhang, Jingtong Wu, Yufei Guo, Kun Wang·· 3 天前AI 评分30
Think2Listen:基于证据核心的 LALM 智能音频理解框架
Think2Listen: Evidence-Centric Learning For Agentic Audio Understanding With LALMS
AI 导读
Think2Listen 提出了一种以证据为核心的多模态音频智能体学习框架。 该框架通过迭代推理与 LALM 交互,引导模型主动寻找区分假设的声学线索,从而增强多步音频推理能力。在两个基准测试中,其整体准确率相比竞争音频智能体提升了 5.08%--17.67%。 该方法显著提升了语音、声音和音乐的理解与推理,准确率相比基线提高了 2.29%--13.10%,源码已公开。 ```
来源:arXiv · AI · arxiv.org