GigaChat Audio: Time-aware Large Audio Language Model

• 类型：arxiv
• 标识：2607.10387
• 链接：https://arxiv.org/abs/2607.10387
• 主分类：multimodal
• 形态：benchmark
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work presents a time-aware audio LLM that answers questions with explicit timestamps over up to 120 minutes of input using large-scale synthetic supervision from a cascaded pipeline and achieves strong temporal-grounding accuracy on short and long benchmarks.
• OpenAlex ID：W7168235853
• OpenAlex DOI：10.48550/arxiv.2607.10387
• DOI：10.48550/arxiv.2607.10387
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.10387
• OpenAlex更新：2026-08-24
• 待LLM分类：否
• 标题中文：GigaChat Audio：时间感知的大音频语言模型
• TLDR中文：本文提出一个时间感知的音频 LLM，能够基于大规模合成监督（来自级联 pipeline）在长达 120 分钟的输入上回答带有显式时间戳的问题，并在短时长和长时长 benchmark 上取得强劲的时间定位准确率。
• 来源文件：
• /inbox/tom/_candidates/2026-07-21-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]