热点事件观察中
STEMMA：面向大音频语言模型的歌曲到分轨多音频推理框架
1 篇报道1 个报道来源1 天前 更新
先了解这件事
AI 综述
据 arXiv（Audio and Speech）报道，STEMMA 是一个以制作溯源为核心的多音频音乐问答框架，用于判断片段是否来自同一曲目或段落、以及哪些 stems 属于哪些混音。它采用关系优先的构建策略：先指定目标关系，再检索满足条件的片段与难负样本，标签直接来自目录溯源而非语言模型生成。配套发布 STEMMA-Bench 与曲目不重叠的训练集 STEMMA-Instruct，在两个 LALM 上微调可提升多音频推理能力，同时保持单音频音乐理解。
AI 根据报道生成 · 1 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Audio and SpeechSTEMMA：面向大音频语言模型的歌曲到分轨多音频推理框架
STEMMA 是一个以制作溯源为核心的多音频音乐问答框架，判断片段是否来自同一曲目或段落、哪些 stems 属于哪些混音。它采用关系优先的构建策略，先指定目标关系再检索满足条件的片段与难负样本，标签直接来自目录溯源而非语言模型生成。配套 STEMMA-Bench 与曲目不重叠的训练集 STEMMA-Instruct，在两个 LALM 上微调可提升多音频推理能力，并保持单音频音乐理解。
本事件热度走势
当前热度 5·可比范围峰值 10（10月9日 13:00）·近 24 小时可比范围变化 -49%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。