SkillFormer：音频语言模型技能分解适配

韩国研究者提出 SkillFormer，把音频理解拆成技能专属的低秩适配器，并用可学习路由器在推理时按问题动态组合，使音高比较与曲风分类调用不同参数。 该方法只增加不到 4% 的基座模型参数，无需改动音频编码器或语言主干，在 MMSU、MMAU-Pro 和 MMAR 三个基准、三种不同架构模型上平均准确率提升 2.5 至 4.1 分。上述结果来自论文报告。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。