Audio-R1：以自监督任务为奖励的音频推理强化学习

Jihoon Jeong、Mirco Ravanelli、Zhepei Wang、Cem Subakan 提出 Audio-R1，一个面向大音频语言模型（LALM）的强化学习后训练框架。它把音频自监督学习任务当作可验证奖励的来源：这些任务在构建时答案自动确定，框架用这些答案校验模型回答并计算奖励，以提升音频理解与推理表现。 作者称，该框架在多个 LALM 和多样化音频基准上取得一致性能提升；消融实验显示各子任务均有贡献，联合训练带来额外增益，且在训练任务之外的下游任务上优于监督微调。上述效果均为论文作者报告的结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。