轻推隐藏状态：大型音频语言模型中思维链推理的无训练模型引导

思维链（CoT）提示已扩展至大型音频语言模型（LALM）以激发推理，但在无需训练的情况下提升其有效性仍具挑战。本研究探讨推理时的模型引导作为一种无训练方法，旨在改善 LALM 的推理表现。我们提出了利用多样化信息源的三种策略，并在四个 LALM 和四个基准测试中进行评估。结果显示，相较于传统 CoT 提示，准确率普遍提升高达 4.4%。值得注意的是，我们发现了一种跨模态迁移现象：源自少量文本样本的引导向量能有效指导基于语音的推理，展现出极高的数据效率。此外，我们还考察了超参数敏感性以理解这些方法的鲁棒性。研究结果将模型引导定位为增强 LALM 推理能力的实用方向。