图灵汇官网

小米大模型团队近期在音频推理方面取得了显著进展。通过创新地运用强化学习技术，他们在知名的MMAU评测集中取得了最佳成绩。这项突破源于团队将强化学习算法引入多模态音频理解任务，在短短一周内就实现了64.5%的行业领先准确率。

MMAU评测集是一个重要的评估工具，用于衡量音频理解和推理的能力。它包含了多种音频类型，如语音、环境音和音乐，并结合人类专家标注的问题与答案对，全面检验模型在跨场景推理和专业技能应用等方面的表现。这个评测集的目标是推动音频理解技术达到接近人类专家的逻辑分析水平。然而，由于其极高难度，之前的榜单成绩一直难以提升。

面对这一难题，小米大模型团队深入挖掘了强化学习技术的可能性。他们参考了DeepSeek-R1的Group Relative Policy Optimization（GRPO）方法，利用“尝试-反馈”的机制，让模型能够自我改进，展现出类似于人类的反思和多步骤验证等高级推理能力。这种方法不仅解决了传统监督学习在复杂推理任务中的不足，还增强了模型的适应性和通用性。

在开发和验证阶段，小米团队使用了一个相对较小的数据集——清华大学发布的AVQA数据集，其中包含约3.8万条训练样本。经过强化学习微调后，模型在MMAU评测集上的准确率达到了64.5%，比之前表现最优的闭源商业模型GPT-4o高出近10个百分点。

此外，团队在实验期间观察到一些有趣的现象。他们注意到，若强制模型展示明确的思维过程，其准确率会有所降低。这表明隐式推理在模型训练中扮演着关键角色，也为未来的研究方向提供了新视角。

此次突破性成果不仅为音频理解和推理技术的进步铺平了道路，也为人工智能领域的创新发展提供了宝贵经验。小米团队计划公开训练代码、模型参数，并分享技术文档，以便学术界和业界共同探讨交流。