EChO-Agent：用于音频推理的证据链编排代理

虽然 LALM 在音频问答方面表现出了良好的前景，但它们未能专注于与问题相关的音频片段，也无法在处理复杂的音频推理时提供清晰、可检查的推理过程。强化学习和工具增强提示可以帮助模型更好地将问题与音频联系起来，但缺乏可靠的方法来理解、集成和自我验证音频片段。为了解决这一差距，我们提出了 EChO-Agent，这是一个模块化代理框架，它将复杂的音频 QA 重新表述为规划、工具执行、证据集成和答案验证工作流程。 MMAR 基准实验表明，EChO-Agent 比基线提高了准确性和评分标准，而消融研究表明证据整合是关键因素。