xid32

Kami memperkenalkan dataset Audio Logical Reasoning (ALR), yang terdiri dari 6.446 sampel anotasi teks-audio yang dirancang khusus untuk tugas penalaran kompleks. Berdasarkan sumber daya ini, kami mengusulkan SoundMind, sebuah algoritma reinforcement learning (RL) berbasis aturan yang dirancang untuk membekali model bahasa audio (ALM) dengan kemampuan penalaran bimodal yang mendalam.