指出 LALM 隐状态被文本目标同化丢失声学信息，提出连续音频思考保留之。
推荐理由：指出 LALM 隐状态被文本生成目标逐层同化，丢失音高、韵律、情感等声学细节——提出连续音频思考让模型在响应中保留并利用这些信息。
阅读原文