通过语义摘要预测增强音频推理能力

英文标题：Enhancing Audio Reasoning via Semantic Summary Prediction

该论文关注大型音频语言模型（LALMs）在复杂问答任务中的推理能力。作者指出，尽管 LALMs 在复杂问答中表现良好，但显式链式思维（CoT）推理有时反而会降低准确率，形成“推理鸿沟”。论文假设，过长的推理序列会导致模型注意力发生偏移，并探索以语义摘要预测增强音频推理的方法。这一研究对开发更可靠的音频 Agent、语音交互系统和音频理解 API 具有参考价值。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB