AudioRubrics：用自进化奖励机制提升 AI 音频推理能力

UMCP · hf · 2026-08-10

现有基于强化学习的音频推理模型常面临奖励机制局限：结果奖励忽视推理过程，过程奖励又依赖死板的人工标准。为此，研究人员提出 AudioRubrics 框架，利用自我进化的音频基准奖励来监督推理过程。

该框架能从原始波形合成单样本基准，并根据模型自身的输出动态调整评估标准，持续针对当前策略的弱点提供学习信号。在三大音频推理基准测试中，AudioRubrics 大幅超越了各类开源基线。分析表明，其性能提升随评估模型能力增强而扩展，且能收敛到稳定的推理长度，有效避免了退化或无限膨胀。