SoundMind 推出首个面向复杂推理的音频逻辑推理（ALR）数据集，涵盖6,446个音频与文本双模态链式思维注释样本，推动音频语言模型突破传统边界。| #数据集

• 创新点：基于规则的强化学习算法，专为赋能大规模音频语言模型实现深度双模态逻辑推理设计。
• 数据规模：6,446条高质量标注，涵盖训练、测试、验证集，支持链式思维推理，提升模型理解复杂语义的能力。
• 技术细节：依赖 Verl 框架，推荐8×NVIDIA H800/H100 80GB GPU，Python ≥3.9，CUDA≥12.1，确保高效训练与推理。
• 实用工具：提供多种数据预处理脚本，支持仅文本、仅音频或双模态输入，灵活适配各类研究需求。
• 开源透明：MIT许可协议，代码、数据集与模型权重均公开，便于复现与二次开发。
• 研究价值：打破单一模态推理瓶颈，强化音频与文本的逻辑联结，推动音频语言理解迈入新阶段。