SWEAR：难度感知的分段高效音频推理框架

Yixuan Li 等作者提出难度感知音频推理框架 SWEAR，做法是先离线评估得到五维难度分数与压缩推理轨迹，再在监督微调中学习难度信号，并用强化学习按推理阶段动态分配推理量。 该工作在 MMAU-test-mini 和 MMAR 上报告称，提升准确率的同时大幅减少生成 token，对简单样本缩短推理且不牺牲困难样本性能。这些效果为论文作者自报的评测结果，尚未独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。