NAACA：基于振荡工作记忆的无训练神经听觉注意性认知架构用于显著性驱动的注意力门控
声音
2026-05-14 v1 人工智能
摘要
音频提供了至关重要的情境线索，但当前的音频语言模型（ALMs）在长时段录音中面临注意力瓶颈，背景主导模式会稀释稀有且显著的事件。我们引入NAACA，这是一个无训练的神经听觉注意性认知架构，将注意力分配重新框架化为听觉显著性过滤问题。其核心是OWM（振荡工作记忆），它维持稳定的吸引子状态，当自适应能量波动信号感知显著性时，仅触发高阶ALMs处理，从而触发更高层次的推理。在XD-Violence数据集上，NAACA将AudioQwen的平均精度（AP）提高从53.50%提升至70.60%，同时减少不必要的ALMs调用。此外，针对世界城市声景（Urban Soundscapes of the World, USoW）数据集的定性案例研究表明，OWM能够捕捉新颖事件和子类别变化，同时对短暂暂停和环境城市噪声保持稳健。
引用
@article{arxiv.2605.13651,
title = {NAACA: Training-Free NeuroAuditory Attentive Cognitive Architecture with Oscillatory Working Memory for Salience-Driven Attention Gating},
author = {Zhongju Yuan and Geraint Wiggins and Dick Botteldooren},
journal= {arXiv preprint arXiv:2605.13651},
year = {2026}
}
备注
Accepted as a regular paper by ICML 2026