arXiv · cs.AI· Yixuan Li, Minghao Lv, Xuenan Xu, Zihao Zheng, Mengyue Wu·· 5 小时前
SWEAR：基于自评难度的分段高效音频推理
SWEAR: Section-Wise Efficient Audio Reasoning via Self-Rated Difficulty
arXiv:2610.13081v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yixuan Li, Minghao Lv, Xuenan Xu, Zihao Zheng, Mengyue Wu
研究任务与主要进展
作者提出SWEAR，一种面向大型音频语言模型的分段难度感知推理框架，通过监督微调学习难度信号，并用强化学习自适应分配各推理阶段的推理资源。基于论文摘要，该方法在MMAU-test-mini和MMAR上报告了准确率提升与生成令牌减少，同时缩短简单样本的推理长度。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org