xid32

Wir stellen den Datensatz „Audio Logical Reasoning (ALR)“ vor, der aus 6.446 text-audio-annotierten Stichproben besteht, die speziell für komplexe Reasoning-Aufgaben entwickelt wurden. Basierend auf dieser Ressource schlagen wir SoundMind vor, einen regelbasierten Reinforcement-Learning-Algorithmus (RL), der Audiolanguage-Modelle (ALMs) mit tiefen bimodalen Reasoning-Fähigkeiten ausstattet.