小米大模型团队登顶音频理解和推断 MMAU 榜单 训练代码模型参数开源
面对一段汽车行驶中的座舱录音，AI 能否判断出汽车是否存在潜在的故障？在交响乐演出现场，AI 能否推测出作曲家创造这首音乐时的心情？在早高峰地铁站混乱的脚步声潮中，AI 能否预判闸机口可能发生的冲撞风险？在大模型时代，人们已经不满足于机器仅仅识别说话的内容、声
mmau榜单
迁移DeepSeek-R1同款算法，小米让7B模型登顶音频理解推断MMAU榜单
来自阿里的Qwen2-Audio-7B模型在此评测集上的准确率为49.2%，经小米大模型团队用清华大学发布的AVQA数据集，使用SFT微调后提升到了51.8%。