xid32

我们介绍了音频逻辑推理（ALR）数据集，包含 6,446 个专为复杂推理任务设计的文本-音频标注样本。基于此资源，我们提出了 SoundMind，这是一种量身打造的基于规则的强化学习（RL）算法，旨在赋予音频语言模型（ALMs）深度双模态推理能力。