SWEAR：基于自评难度的分段高效音频推理框架

研究人员提出面向大音频-语言模型（LALMs）的自适应推理框架 SWEAR，结合五维难度评分、监督微调与强化学习，动态调整各推理阶段的计算资源分配。在 MMAU-test-mini 和 MMAR 基准测试中，该框架显著减少了生成的 tokens 并提升了准确率，在缩短简单样本推理的同时不牺牲困难样本的性能。