提出了一种跨模态在线策略蒸馏框架(X3-OPD),用于将文本大模型的推理能力蒸馏到音频大语言模型中,通过动态对齐学生和教师模型,结合三层次推理数据集,在音频和语音理解基准上取得显著提升。
机构:浙大
来源:arXiv 2607.21550 | AI4Papers 论文推荐平台