RMS-AQA：面向真实家居环境的两阶段空间音频问答基准

RMS-AQA 是一个面向真实家居环境的空间音频问答基准，采用两阶段问答格式，先定位可听声事件再进行时空推理。数据集结合真实一阶 Ambisonics（FOA）录音与基于实测房间脉冲响应（RIR）生成的高保真合成数据，并提供将 FOA 数据注入冻结音频语言骨干的轻量空间插件。实验显示主要挑战来自同时声源、远距离以及 RIR 合成与真实录音之间的仿真到真实域差。