Spoken Language Understanding Function Calling Large Audio Language Models Tool Use
摘要

口语理解(SLU)是任务型对话系统的核心组件。传统SLU在闭集任务中表现良好,但在开放域任务中因规则模糊难以利用上下文学习。本文提出口语功能调用(SFC),通过结构化规则定义优化语义理解,突破传统闭集SLU局限。我们构建了基于传统SLU数据集的口语函数套件,利用多智能体系统合成SFC-Bench数据集,评估并增强大型音频语言模型(LALMs)的SFC能力。实验表明,SFC显著提升了LLMs和LALMs的语义提取准确率,优于传统SLU。

AI 推荐理由

论文核心研究音频大模型的功能调用(Function Calling),即工具使用能力,属于技能学习范畴。

研究机构
Shanghai Jiao Tong University Token Foundry, Alibaba Group Hangzhou, China Shanghai, China Beijing, China Shanghai Innovation Institute
论文信息
作者 Yuezhang Peng, Yuxin Liu, Changfeng Gao, Zhifu Gao, Xiangang Li et al.
发布日期 2026-08-05
arXiv ID 2608.05126
相关性评分 9/10 (高度相关)