百度王海峰署名：MoE-Adapter解决大模型音频异质处理难题，兼顾性能与算力效率
标题：MoE Adapter for Large Audio Language Models: Sparsity, Disentanglement, and Gradient-Conflict-Free 链接：https://arxiv.o…
21 0 0
声浪
大模型的第一性原理：（二）信号处理篇
白铂 博士，华为 2012 实验室理论研究部主任 信息论首席科学家 引 言 本篇是《大模型的第一性原理》系列解读文章的第二篇（点击回顾第一篇），我们将从信号处理的角度解读原论文[1]。重点探讨语义向量化背后的信号处理和信息论原理，并从时间序…
20 0 0
清华揪出0.1%幻觉神经元：大模型胡编的尽头，其实是过度顺从
来源丨PaperWeekly 无需重新训练，只要抑制 0.1% 的特定神经元，就能让模型“闭嘴”？ 近年来，大语言模型（LLMs）在问答、推理与生成任务中展现出卓越能力，但其幻觉（Hallucination）问题仍然是制约实际应用的核心挑战…
13 0 0
智谱GLM-4.7上线并开源，代码能力超越GPT-5
GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同，并在多项主流公开基准测试中取得开源模型中的领先表现。 目前，GLM-4.7已通过BigModel.cn提供API，并在z.ai全栈开发模式中上线Sk…
14 0 0
如何给AI一双“懂节奏”的耳朵？
如何将一段连续的、信息密度不均的波形，变成一串 AI 能够理解和处理的“密码”？关键在于语音分词器——它就像是 AI 的“语音耳朵”，负责将声音信号转换成离散的符号序列。 然而，现有的语音分词器大多采用固定帧率，比如每秒生成 75 个 to…
18 0 0
美团开源13.6B通用视频生成大模型，能文生视频、图生视频、还能续写！
AI视频生成这一年来太卷了。从OpenAI的Sora、Kuaishou的可灵、到字节的即梦，我们几乎每隔一段时间就能看到一款“要革影视行业命”的视频模型问世。而这一次，轮到「美团」出手。 美团团队刚刚在 GitHub 上开源了一款名为Lon…
27 0 0
开源AI视频字幕编辑神器，Whisper智能生成+实时裁剪！
分享一款非常实用、创意十足的开源AI视频字幕编辑工具 — FlyCut Caption。 它不是那种复杂到需要剪辑经验的视频编辑器，而是一款基于 AI 的智能字幕编辑工具，能让你通过“改字幕”来“剪视频”。 也就是它不仅能智能生成字幕，还支…
16 0 0
李飞飞发布全新世界模型，单GPU就能跑！
来源丨机器之心 单 GPU 级世界模型来了。斯坦福大学教授李飞飞创业公司 World Labs 又推出了新成果！ 上个月，World Labs 发布了空间智能模型 Marble，「只需一张图片，就能生成持久存在的 3D 世界，比以往更宏大、…
19 0 0
Easy Turn：全双工口语对话系统中融合声学与语言模态的鲁棒轮次转换检测
在自然人机交互中，实现如同人类般“边听边说”的全双工语音对话（Full-duplex Spoken Dialogue）一直是语音交互系统的终极目标。与传统的半双工系统不同，全双工系统要求模型能够在用户发言过程中，实时判断是否需要继续倾听、生…
33 0 0
NovaFlow从生成视频中提取动作流，实现零样本操控
来源丨机器之心 本文共同第一作者为李鸿宇（布朗大学博士生）和孙凌峰（Robotics and AI Institute 研究员，博士毕业于加州大学伯克利分校）。通讯作者付佳慧在 Robotics and AI Institute 任研究员，…
16 0 0