Presentamos el conjunto de datos de Razonamiento Lógico de Audio (ALR), que consta de 6,446 muestras de texto-audio anotadas, diseñadas específicamente para tareas de razonamiento complejo. Basándonos en este recurso, proponemos SoundMind, un algoritmo de aprendizaje por refuerzo (RL) basado en reglas.
Descarga y usa un conjunto de datos con muestras de audio y texto para entrenar modelos para tareas de razonamiento.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasPresentamos el conjunto de datos de Razonamiento Lógico de Audio (ALR), que consta de 6,446 muestras de texto-audio anotadas, diseñadas específicamente para tareas de razonamiento complejo. Basándonos en este recurso, proponemos SoundMind, un algoritmo de aprendizaje por refuerzo (RL) basado en reglas.
SoundMind tiene 1.1k estrellas en GitHub. Se ha bifurcado 131 veces. SoundMind está escrito principalmente en Python. Se desarrolla activamente desde 2025. SoundMind está disponible bajo la licencia MIT. Sus temas principales son: audio-language-model, audio-reasoning, dataset, reinforcement-learning.
Presentamos el conjunto de datos de Razonamiento Lógico de Audio (ALR), que consta de 6,446 muestras de texto-audio anotadas, diseñadas específicamente para tareas de razonamiento complejo. Basándonos en este recurso, proponemos SoundMind, un algoritmo de aprendizaje por refuerzo (RL) basado en reglas.
SoundMind es un proyecto de código abierto. Se distribuye bajo la licencia MIT.
Sí. SoundMind es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
SoundMind está disponible bajo la licencia MIT.
SoundMind está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/xid32-soundmind.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.