模型

HLR-LLM

一种具备空间感知能力的音视频大语言模型，在单声道语义音频通路基础上增加双耳空间音频分支，结合课程学习与思维链监督，实现声音的语义理解与空间定位推理

时间轴 (近 90 天)

10月16日

研究团队提出了HLR-LLM，在保留原有单声道语义音频通路的基础上，额外增加一条双耳空间音频分支（binaural spatial audio branch）。

待验证50%

10月16日

HLR-LLM采用课程学习（curriculum）策略训练，并在最终阶段引入思维链（chain-of-thought）监督，专门针对多步空间推理任务。

待验证50%

10月16日

实验结果表明，HLR-LLM在空间音视频场景理解上取得显著提升，同时没有损害语义音视频感知能力。

待验证50%

HLR-LLM采用课程学习（curriculum）策略训练，并在最终阶段引入思维链（chain-of-thought）监督，专门针对多步空间推理任务。

实验结果表明，HLR-LLM在空间音视频场景理解上取得显著提升，同时没有损害语义音视频感知能力。

研究团队提出了HLR-LLM，在保留原有单声道语义音频通路的基础上，额外增加一条双耳空间音频分支（binaural spatial audio branch）。