SWEAR音频推理框架提出
热点事件持续更新
SWEAR音频推理框架提出
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Yixuan Li等作者提出难度感知的音频推理框架 SWEAR。该框架先离线评估生成五维难度分数并压缩推理轨迹，在监督微调中学习难度信号，再用强化学习按推理阶段自适应分配算力。 据该研究，在 MMAU-test-mini 和 MMAR 两个基准上，SWEAR 在提升准确率的同时大幅减少生成 token，对简单样本缩短推理，且不损失困难样本的表现。
AI 根据报道生成 · 4 小时前更新
最新进展10月12日 12:00
SWEAR：基于自评难度的分段高效音频推理框架报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AISWEAR：基于自评难度的分段高效音频推理框架
SWEAR 是一个难度感知的音频推理框架，通过离线评估生成五维难度分数和压缩推理轨迹，在监督微调中学习难度信号，并用强化学习按推理阶段自适应分配算力。在 MMAU-test-mini 和 MMAR 上，SWEAR 在提升准确率的同时大幅减少生成 token，对简单样本缩短推理且不损失困难样本表现。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月12日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。