论文解读
TinyMU: A Compact Audio-Language Model for Music Understanding
音乐理解 | 7.5/10
音频问答
论文解读
Walking Through Uncertainty: An Empirical Study of Uncertainty Estimation for Audio-Aware Large Language Models
音频问答 | 7.5/10
论文解读
All That Glitters Is Not Audio: Rethinking Text Priors and Audio Reliance in Audio-Language Evaluation
音频问答 | 6.5/10
论文解读
Listening with Time: Precise Temporal Awareness for Long-Form Audio Understanding
音频场景理解 | 8.0/10
论文解读
AUDITA: A New Dataset to Audit Humans vs. AI Skill at Audio QA
音频问答 | 6.5/10
论文解读
Audio-Cogito: Towards Deep Audio Reasoning in Large Audio Language Models
本文旨在解决大型音频语言模型（LALMs）在复杂音频推理任务中能力不足、推理过程不透明的问题。**核心贡献**是提出了一个名为 **Audio-Cogito** 的完全开源解决方案，其核心是一个四阶段的自动化数据构建管道 **Cogito-Pipe**，用于生成高质量、多样化的音频推理链（CoT）数
论文解读
Audio-DeepThinker: Progressive Reasoning-Aware Reinforcement Learning for High-Quality Chain-of-Thought Emergence in Audio Language Models
这篇论文旨在解决大型音频语言模型（LALMs）缺乏显式、高质量推理能力的问题。现有方法要么受限于监督数据的质量，要么使用粗糙的奖励，导致生成的思维链形式良好但缺乏声学依据。作者提出了**Audio-DeepThinker**框架，其核心贡献有三：1）设计了一种**混合推理相似度奖励**，结合LLM评
论文解读
Temporal Contrastive Decoding: A Training-Free Method for Large Audio-Language Models
统一的大型音频-语言模型（LALMs）在自回归解码时存在“时间平滑偏差”：短暂、瞬态的声学线索（如电话铃声、乐器拨弦）容易被语言先验和时间上平滑的上下文所淹没，导致生成结果缺乏音频特异性。本文提出 Temporal Contrastive Decoding (TCD)，一种完全免训练、仅在推理时生效