热点事件持续更新
研究团队提出自适应音频推理框架SWEAR
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月12日，研究人员在arXiv上公布了面向大音频-语言模型（LALMs）的自适应推理框架SWEAR。该框架结合了五维难度评分机制、监督微调以及强化学习技术，能够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，SWEAR在缩短简单样本推理时间的同时没有牺牲困难样本的性能，显著减少了生成的token数量并提高了模型准确率。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
研究团队提出面向大音频-语言模型的自适应推理框架SWEAR，可有效减少生成token并提升准确率。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 人工智能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。
本事件热度走势
当前热度 9·可比范围峰值 10（10月12日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。