研究人员开发了新的方法来理解和操纵大型音频语言模型的内部工作机制。一种名为指令引导向量的方法允许重定向模型内的时间注意力，使其能够在不重新训练的情况下专注于特定的声音事件。另一种方法使用因果干预来解析音频分离模型中的注意力动态，揭示了一个双通路文本条件机制，并催生了一种称为层选择性注意力缓存的加速方法。 AI
影响 这些研究提供了新的方法来解释和控制复杂的音频AI，有可能提高它们在音频分离和事件检测等任务中的性能和透明度。
排序理由 两篇学术论文详细介绍了关于音频AI模型内部机制和控制的新研究。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.11400v1 Announce Type: cross Abstract: Large Audio-Language Models (LALMs) excel at audio understanding but expose little about where in an audio signal they attend. We introduce instruction-based vector steering, which constructs a steering vector by contrasting activ…
arXiv:2606.10046v1 Announce Type: cross Abstract: Flow-matching transformers achieve strong audio separation, yet their attention dynamics are opaque. We adapt established causal-intervention principles into a deterministic, inference-time probing protocol for SAM Audio. Orthogon…