arXiv ID:
2603.17769
使用重排操作对重叠语音进行建模 / Modeling Overlapped Speech with Shuffles
1️⃣ 一句话总结
这篇论文提出了一种利用‘重排’概念和部分有序有限状态自动机的新方法,首次实现了对多人同时说话的重叠录音进行单次对齐和说话人归属转录。
使用重排操作对重叠语音进行建模 / Modeling Overlapped Speech with Shuffles
这篇论文提出了一种利用‘重排’概念和部分有序有限状态自动机的新方法,首次实现了对多人同时说话的重叠录音进行单次对齐和说话人归属转录。
FoMo X:用于离群检测基础模型的模块化可解释性信号 / FoMo X: Modular Explainability Signals for Outlier Detection Foundation Models
这篇论文提出了一个名为FoMo-X的模块化框架,它能让强大的‘零样本’离群检测基础模型在快速给出结果的同时,还能自动提供易于理解的‘风险等级’和‘置信度’解释,从而让AI的决策过程更透明、更可信。
受治理的记忆:一种面向多智能体工作流的生产架构 / Governed Memory: A Production Architecture for Multi-Agent Workflows
这篇论文提出了一种名为‘受治理的记忆’的共享记忆与治理层,旨在解决企业多智能体工作流中因缺乏统一记忆和治理而产生的五大问题,通过四项核心机制实现了高效、安全且可控的跨智能体信息共享与协作。
学习何时关注:长上下文大语言模型的条件化记忆访问机制 / Learning When to Attend: Conditional Memory Access for Long-Context LLMs
这篇论文提出了一种名为L2A的新方法,它让大语言模型能够智能地判断何时需要对长文本进行全局关注,从而在显著降低计算成本的同时,将模型的有效上下文长度从3.2万扩展到12.8万词元,并提升了推理效率。
意图形式化:AI智能体时代实现可靠编码的重大挑战 / Intent Formalization: A Grand Challenge for Reliable Coding in the Age of AI Agents
这篇论文指出,在AI能流畅生成代码的今天,确保代码符合用户真实意图是核心难题,而解决之道在于发展‘意图形式化’技术,即把模糊的用户需求转化为可检验的精确规范,这是决定AI是让软件更可靠还是仅仅更泛滥的关键。
级联感知的多智能体路由:时空侧车与几何切换 / Cascade-Aware Multi-Agent Routing: Spatio-Temporal Sidecars and Geometry-Switching
这篇论文提出了一种新的智能体任务路由方法,通过一个轻量级的‘侧车’模块动态感知任务执行图的结构(如树状或环状),并据此调整路由策略,从而有效防止单一节点故障在整个系统中引发连锁崩溃,显著提升了复杂AI系统的整体稳定性和任务成功率。
情境偏好分布学习 / Contextual Preference Distribution Learning
这篇论文提出了一种新的学习框架,通过捕捉人类决策中复杂多变且受情境影响的偏好分布,并将其用于后续的风险规避优化问题,从而显著降低了决策后的意外风险。
SuCor:一种基于无参数自正则化最优传输的磁敏感畸变校正方法 / SuCor: Susceptibility Distortion Correction via Parameter-Free and Self-Regularized Optimal Transport
这篇论文提出了一种名为SuCor的新方法,它利用最优传输理论自动校正脑部扫描图像中的几何畸变,无需人工调整参数,就能比现有主流方法更准确、更快速地使功能图像与结构图像对齐。
InCoder-32B:面向工业场景的代码基础模型 / InCoder-32B: Code Foundation Model for Industrial Scenarios
这篇论文提出了一个名为InCoder-32B的大型代码模型,它专门针对芯片设计、GPU内核优化等工业场景中的复杂编程任务进行了优化和训练,在保持通用编程能力的同时,显著提升了处理工业特定需求(如硬件语义、资源约束)的性能。
面向多工况翼型优化的嵌入优化的主动多保真度代理模型学习 / Optimization-Embedded Active Multi-Fidelity Surrogate Learning for Multi-Condition Airfoil Shape Optimization
这篇论文提出了一种智能的翼型设计优化方法,它巧妙地结合了廉价但精度较低的模拟和昂贵但高精度的模拟,通过一个主动学习和进化算法协同的框架,在保证设计精度的同时,大幅减少了高精度模拟的计算成本,最终成功设计出了在巡航和起飞两种飞行条件下性能都显著提升的翼型。
请先 登录 后再提交论文