STEMMA：面向大音频语言模型的歌曲到分轨多音频推理框架
Get the story
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。
Generated from reports · updated 1 days ago
Timeline
Follow the coverage from different angles.
- 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。
Heat trend
Current heat 5·Comparable peak 10（Oct 9）·Comparable change over 24 hours -50%
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.