MUKA：面向音频语言模型的多核音频适配
量子代数
2026-02-17 v1
摘要
多模态基础模型展现出惊人的泛化能力，但在零样或少量样本场景中高效适配新任务仍是关键挑战。本文我们通过训练式和非训练式方法，探索大型音频语言模型（ALMs）的少样本适配。我们引入MUKA，一种多核适配框架，将基于指令微调模型如Pengi的细粒度、上下文依赖表示与基于对比预训练方法如CLAP的全局语义表示相结合。通过构建产品核对齐局部相似性与全局语义，MUKA在保持核方法理论保证的同时增强了表征能力，无需额外训练。广泛的实验在11个多样化音频数据集上表明，MUKA在训练免费方法中实现了最先进性能，甚至在几个场景中超越了训练式适配器，展现了在可适应性与效率之间取得 compelling 平衡的引人注目的效果。
引用
@article{arxiv.2602.14126,
title = {Revisiting the Algebraic and Analytic Descriptions of Quantum Mechanics},
author = {Ortwin Fromm and Felicitas Ehlen},
journal= {arXiv preprint arXiv:2602.14126},
year = {2026}
}
备注
13 pages