论文
不要只是听，尝试规划：基于图形的检索生成代理，用于理解长格式音频会议
Don't Just Listen, Try Planning: Graph-based Retrieval-Generation Agent for Long-form Audio Meeting Understanding
摘要
虽然长格式音频会议理解（LAMU）越来越受到关注，但特定任务的问答（QA）数据集仍然稀缺。现有的语音 QA 范例和最先进的语音 LLM 存在声学信息丢失和长期上下文记忆不佳的问题。为了解决这些问题，我们构建了 LongAudioQA 数据集并提出了 GRGA 模型，该模型将异构音频特征建模为多维图，并利用代理规划进行检索和答案生成。