冻结的通用音频编解码器也能定位声源：AURA在双声源方向准确率上高出专用系统10.31个百分点
AURA把未经空间监督训练的通用音频编解码器X-Codec与冻结的Qwen3-8B语言模型直接对接，用六槽双耳表示和场景监督完成空间问答。此前专用空间系统依赖单独训练的空间编码器，而仅用答案监督的接口在左右方向上只能达到随机水平。在SpatialSoundQA双声源场景中，AURA的方向准确率比最强专用系统DSpAST-BAT†高10.31个百分点，可训练参数约为后者的40%。
冻结权重下的结构化技能优化：音频反诈检测的新路径
FRAUDSkill 在不改动音频语言模型参数的前提下，通过优化外部的技能程序、路由策略与决策规则，并结合结构化输出控制与验证引导的多路径推理，在 TeleAntiFraud 基准上把 Macro-F1 从共享冻结模型基线的 41.54% 提升到 73.50%，同时把无效输出率从 36.04% 降到 1.94%。
已读完全部报道