RMS-AQA：面向真实家庭环境的两阶段空间音频问答基准

RMS-AQA 是一个针对真实家庭环境的空间音频问答（SAQA）基准，采用两阶段 QA 格式，先定位可听声音事件，再进行时空推理。数据集融合真实一阶 Ambisonics 录音与基于测量房间脉冲响应（RIR）的高保真合成数据，并提供轻量空间插件注入 FOA 格式数据到冻结音频语言骨干网络。实验表明主要挑战来自并发声源、远距离以及 RIR 合成与真实录音之间的 sim-to-real 域差距。