latent-workspace

#latent-workspace

面向大型音频语言模型的连续音频思考

arXiv cs.AI ↗ · 2026-06-18 缓存

该论文引入了连续音频思考（CoAT）框架，为大型音频语言模型配备了一个连续的潜在工作空间，用于在生成文本响应之前组织声学信息，从而在音频推理、理解和转录任务中提升性能，且不增加额外的解码成本。

0 人收藏 0 人点赞