TinyGiantALM：一种用于资源受限环境下意图感知推理的紧凑音频 - 语言模型

当前音频推理依赖大规模模型，难以在资源受限环境部署。本文提出 TinyGiantALM，一种面向效率的 15 亿参数紧凑模型。该模型摒弃暴力扩展，采用指令感知特征精炼框架，利用查询引导投影器和语义门控机制，根据用户意图过滤声学信号。在 MMAR 基准测试中，其零样本准确率达 46.4%，显著优于 70 亿至 130 亿参数的基线模型。尽管在逻辑叙事方面与超大模型仍有差距，但该架构在解耦多模态混合环境方面表现卓越，证明了通过架构精度可在边缘友好尺度上实现稳健感知能力。