Audio Question Answering with GRPO-Based Fine-Tuning and Calibrated Segment-Level Predictions
Fuente:
arXiv
Salvato in:
| Autori principali: | Gibier, Marcel, Celton, Nolwenn, Duroselle, Raphaël, Serrano, Pierre, Boeffard, Olivier, Bonastre, Jean-François |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Segmentwise Pruning in Audio-Language Models
di: Gibier, Marcel, et al.
Pubblicazione: (2025)
di: Gibier, Marcel, et al.
Pubblicazione: (2025)
Improving Out-of-Domain Audio Deepfake Detection via Layer Selection and Fusion of SSL-Based Countermeasures
di: Serrano, Pierre, et al.
Pubblicazione: (2025)
di: Serrano, Pierre, et al.
Pubblicazione: (2025)
Reinforcement Learning Outperforms Supervised Fine-Tuning: A Case Study on Audio Question Answering
di: Li, Gang, et al.
Pubblicazione: (2025)
di: Li, Gang, et al.
Pubblicazione: (2025)
Improving Audio Question Answering with Variational Inference
di: Chen, Haolin
Pubblicazione: (2026)
di: Chen, Haolin
Pubblicazione: (2026)
Spatial Audio Question Answering and Reasoning on Dynamic Source Movements
di: Sridhar, Arvind Krishna, et al.
Pubblicazione: (2026)
di: Sridhar, Arvind Krishna, et al.
Pubblicazione: (2026)
Data-Balanced Curriculum Learning for Audio Question Answering
di: Wijngaard, Gijs, et al.
Pubblicazione: (2025)
di: Wijngaard, Gijs, et al.
Pubblicazione: (2025)
Towards Spatial Audio Understanding via Question Answering
di: Sudarsanam, Parthasaarathy, et al.
Pubblicazione: (2025)
di: Sudarsanam, Parthasaarathy, et al.
Pubblicazione: (2025)
RAMoEA-QA: Hierarchical Specialization for Robust Respiratory Audio Question Answering
di: Bertolino, Gaia A., et al.
Pubblicazione: (2026)
di: Bertolino, Gaia A., et al.
Pubblicazione: (2026)
Enhancing Temporal Understanding in Audio Question Answering for Large Audio Language Models
di: Sridhar, Arvind Krishna, et al.
Pubblicazione: (2024)
di: Sridhar, Arvind Krishna, et al.
Pubblicazione: (2024)
Knowing When to Answer: Adaptive Confidence Refinement for Reliable Audio-Visual Question Answering
di: Tran, Dinh Phu, et al.
Pubblicazione: (2026)
di: Tran, Dinh Phu, et al.
Pubblicazione: (2026)
ORCA: Open-ended Response Correctness Assessment for Audio Question Answering
di: Sedláček, Šimon, et al.
Pubblicazione: (2025)
di: Sedláček, Šimon, et al.
Pubblicazione: (2025)
Benign Fine-Tuning Breaks Safety Alignment in Audio LLMs
di: Roh, Jaechul, et al.
Pubblicazione: (2026)
di: Roh, Jaechul, et al.
Pubblicazione: (2026)
Omni-R1: Do You Really Need Audio to Fine-Tune Your Audio LLM?
di: Rouditchenko, Andrew, et al.
Pubblicazione: (2025)
di: Rouditchenko, Andrew, et al.
Pubblicazione: (2025)
SHMamba: Structured Hyperbolic State Space Model for Audio-Visual Question Answering
di: Yang, Zhe, et al.
Pubblicazione: (2024)
di: Yang, Zhe, et al.
Pubblicazione: (2024)
Towards Multilingual Audio-Visual Question Answering
di: Phukan, Orchid Chetia, et al.
Pubblicazione: (2024)
di: Phukan, Orchid Chetia, et al.
Pubblicazione: (2024)
AQAScore: Evaluating Semantic Alignment in Text-to-Audio Generation via Audio Question Answering
di: Kuan, Chun-Yi, et al.
Pubblicazione: (2026)
di: Kuan, Chun-Yi, et al.
Pubblicazione: (2026)
Music Audio-Visual Question Answering Requires Specialized Multimodal Designs
di: You, Wenhao, et al.
Pubblicazione: (2025)
di: You, Wenhao, et al.
Pubblicazione: (2025)
When Fine-Tuning is Not Enough: Lessons from HSAD on Hybrid and Adversarial Audio Spoof Detection
di: Hu, Bin, et al.
Pubblicazione: (2025)
di: Hu, Bin, et al.
Pubblicazione: (2025)
Braille-to-Speech Generator: Audio Generation Based on Joint Fine-Tuning of CLIP and Fastspeech2
di: Xu, Chun, et al.
Pubblicazione: (2024)
di: Xu, Chun, et al.
Pubblicazione: (2024)
FineLAP: Taming Heterogeneous Supervision for Fine-grained Language-Audio Pretraining
di: Li, Xiquan, et al.
Pubblicazione: (2026)
di: Li, Xiquan, et al.
Pubblicazione: (2026)
Patient-Level Multimodal Question Answering from Multi-Site Auscultation Recordings
di: Wu, Fan, et al.
Pubblicazione: (2026)
di: Wu, Fan, et al.
Pubblicazione: (2026)
MoEScore: Mixture-of-Experts-Based Text-Audio Relevance Score Prediction for Text-to-Audio System Evaluation
di: Sun, Bochao, et al.
Pubblicazione: (2026)
di: Sun, Bochao, et al.
Pubblicazione: (2026)
RA-QA: A Benchmarking System for Respiratory Audio Question Answering Under Real-World Heterogeneity
di: Bertolino, Gaia A., et al.
Pubblicazione: (2026)
di: Bertolino, Gaia A., et al.
Pubblicazione: (2026)
Multi-Domain Audio Question Answering Benchmark Toward Acoustic Content Reasoning
di: Yang, Chao-Han Huck, et al.
Pubblicazione: (2025)
di: Yang, Chao-Han Huck, et al.
Pubblicazione: (2025)
823-OLT @ BUET DL Sprint 4.0: Context-Aware Windowing for ASR and Fine-Tuned Speaker Diarization in Bengali Long Form Audio
di: Dhar, Ratnajit, et al.
Pubblicazione: (2026)
di: Dhar, Ratnajit, et al.
Pubblicazione: (2026)
MUKA: Multi Kernel Audio Adaptation Of Audio-Language Models
di: Bensaid, Reda, et al.
Pubblicazione: (2026)
di: Bensaid, Reda, et al.
Pubblicazione: (2026)
Masked Latent Prediction and Classification for Self-Supervised Audio Representation Learning
di: Quelennec, Aurian, et al.
Pubblicazione: (2025)
di: Quelennec, Aurian, et al.
Pubblicazione: (2025)
Soft Disentanglement in Frequency Bands for Neural Audio Codecs
di: Ginies, Benoit, et al.
Pubblicazione: (2025)
di: Ginies, Benoit, et al.
Pubblicazione: (2025)
Improving Audio Captioning Models with Fine-grained Audio Features, Text Embedding Supervision, and LLM Mix-up Augmentation
di: Wu, Shih-Lun, et al.
Pubblicazione: (2023)
di: Wu, Shih-Lun, et al.
Pubblicazione: (2023)
MQAD: A Large-Scale Question Answering Dataset for Training Music Large Language Models
di: Ouyang, Zhihao, et al.
Pubblicazione: (2025)
di: Ouyang, Zhihao, et al.
Pubblicazione: (2025)
Semantic-Aware Confidence Calibration for Automated Audio Captioning
di: Dunker, Lucas, et al.
Pubblicazione: (2025)
di: Dunker, Lucas, et al.
Pubblicazione: (2025)
Harmonic-Percussive Disentangled Neural Audio Codec for Bandwidth Extension
di: Giniès, Benoît, et al.
Pubblicazione: (2025)
di: Giniès, Benoît, et al.
Pubblicazione: (2025)
MATPAC++: Enhanced Masked Latent Prediction for Self-Supervised Audio Representation Learning
di: Quelennec, Aurian, et al.
Pubblicazione: (2025)
di: Quelennec, Aurian, et al.
Pubblicazione: (2025)
AQUA-Bench: Beyond Finding Answers to Knowing When There Are None in Audio Question Answering
di: Kuan, Chun-Yi, et al.
Pubblicazione: (2026)
di: Kuan, Chun-Yi, et al.
Pubblicazione: (2026)
From Coarse to Fine: Recursive Audio-Visual Semantic Enhancement for Speech Separation
di: Xue, Ke, et al.
Pubblicazione: (2025)
di: Xue, Ke, et al.
Pubblicazione: (2025)
SegTune: Structured and Fine-Grained Control for Song Generation
di: Cai, Pengfei, et al.
Pubblicazione: (2025)
di: Cai, Pengfei, et al.
Pubblicazione: (2025)
Hybrid Audio Detection Using Fine-Tuned Audio Spectrogram Transformers: A Dataset-Driven Evaluation of Mixed AI-Human Speech
di: Huang, Kunyang, et al.
Pubblicazione: (2025)
di: Huang, Kunyang, et al.
Pubblicazione: (2025)
AudioGS: Spectrogram-Based Audio Gaussian Splatting for Sound Field Reconstruction
di: Bi, Chunhao, et al.
Pubblicazione: (2026)
di: Bi, Chunhao, et al.
Pubblicazione: (2026)
AudioComposer: Towards Fine-grained Audio Generation with Natural Language Descriptions
di: Wang, Yuanyuan, et al.
Pubblicazione: (2024)
di: Wang, Yuanyuan, et al.
Pubblicazione: (2024)
Emotion and Acoustics Should Agree: Cross-Level Inconsistency Analysis for Audio Deepfake Detection
di: Zhang, Jinhua, et al.
Pubblicazione: (2026)
di: Zhang, Jinhua, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Segmentwise Pruning in Audio-Language Models
di: Gibier, Marcel, et al.
Pubblicazione: (2025) -
Improving Out-of-Domain Audio Deepfake Detection via Layer Selection and Fusion of SSL-Based Countermeasures
di: Serrano, Pierre, et al.
Pubblicazione: (2025) -
Reinforcement Learning Outperforms Supervised Fine-Tuning: A Case Study on Audio Question Answering
di: Li, Gang, et al.
Pubblicazione: (2025) -
Improving Audio Question Answering with Variational Inference
di: Chen, Haolin
Pubblicazione: (2026) -
Spatial Audio Question Answering and Reasoning on Dynamic Source Movements
di: Sridhar, Arvind Krishna, et al.
Pubblicazione: (2026)