MMAU Test-mini

Audio-Zero 框架在无标签情况下增强音频推理能力

研究人员推出 Audio-Zero，一个旨在增强大型音频语言模型细粒度音频推理能力的新框架，无需外部标签。这种自演化方法使用一种听觉自我博弈，模型根据不一致之处生成描述性线索并识别细微的音频变体。在 Qwen2-Audio-7B-Instruct 和 Qwen2.5-Omni-7B 上的实验表明，在细粒度音频感知和推理方面取得了显著进步，同时保留了更广泛的音频理解能力。