arXiv cs.AI· Yixuan Li, Minghao Lv, Xuenan Xu, Zihao Zheng, Mengyue Wu·· 6 天前AI 评分23
SWEAR：通过自评难度实现分段高效音频推理
SWEAR: Section-Wise Efficient Audio Reasoning via Self-Rated Difficulty
AI 导读
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与压缩推理轨迹，在监督微调中学习难度信号，并用强化学习在不同推理阶段自适应分配推理量。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。
正文 · AI 翻译
摘要：近期关于大型音频语言模型（LALMs）的研究探索了自适应推理，以平衡准确性与效率。然而，现有方法往往依赖粗粒度的难度估计，忽视了决定推理投入的多种因素。我们通过从互补的离线评估中推导出五维难度分数和压缩推理轨迹来解决这一局限。基于这一表征，我们提出了 SWEAR，一个难度感知推理框架，它在监督微调期间学习难度信号，并使用强化学习在推理阶段自适应地分配推理资源。在 MMAU-test-mini 和 MMAR 上的实验表明，SWEAR 在提高准确率的同时大幅减少了生成的 token 数量，对简单实例缩短了推理过程，且不牺牲困难实例上的性能。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.13081 [cs.AI] |
| （或 arXiv:2610.13081v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13081 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Yixuan Li [查看邮箱]
[v1]
2026年10月9日星期五 06:36:43 UTC（460 KB）
来源：arXiv cs.AI · arxiv.org