SPARE 微调法：让音频模型解释推理时不丢失音频证据

SPARE 通过在生成推理前注入代表预期结论的早期表征，训练音频语言模型在解释推理时继续关注音频证据。团队基于 16 万条音频样本微调 SALMONN 13B，并在 MMAU 和 MMAR 上评测；该方法不增加推理时成本或延迟。