被听到但未说出：在冻结的大型音频语言模型中提示低估了音乐瞬间的时间信息
HuggingFace Daily Papers · · 发布于 2026-11-04 · 1 分钟阅读
arXiv:2610.29256v1 公告类型：跨领域 摘要：大型音频-语言模型（LALMs）能够理解音乐，但在定位描述的特定时间点时仍存在困难。我们探讨这是否反映了时间信息的缺失，或是在时间跨度提取方式中的瓶颈。使用配对-q
要点 1
arXiv:2610.29256v1 公告类型：跨领域 摘要：大型音频-语言模型（LALMs）能够理解音乐，但在定位描述的特定时间点时仍存在困难。
要点 2
我们探讨这是否反映了时间信息的缺失，或是在时间跨度提取方式中的瓶颈。
SOURCES
共 1 个来源