BriefGPT - AI 论文速递 ·

Scaling Auditory Cognition in Audio Language Models via Test-Time Computation

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本研究探讨了音频大型语言模型在真实环境中的听觉认知能力，提出了五种测试时间计算方法，以提升模型在复杂任务中的表现，为助听器和语音助手等应用的发展奠定基础。

🏷️

Qwen Audio：复杂人声干扰下，如何让 ASR “听对人”
本文探讨语音识别在多人环境中“听对人”的挑战，即区分用户与背景人声。对比两种技术路线：基于身份注册的Target-Speaker ASR和基于场景线索的前...
Beyond Zero: Google Publishes Successor to BeyondCorp
In a recent research paper, Google introduced Beyond Zero, a “security model ...
SenseNova-U1.5-8B-MoT 统一生成与理解，解锁原生多模态创作；DeepSeek-V4-Flash-Vision-Exp 拓展视觉理解新能力
商汤科技发布SenseNova-U1.5-8B-MoT统一多模态模型，支持图像生成、编辑与理解，提升4K画质和文字渲染。HyperAI官网更新数据集、教程...
GPT-6 突然全量上线，额度重置再+1，全网实测效果太离谱
OpenAI发布GPT-6 Astra，面向多类用户开放但额度受限。其核心能力是直接在Blender等软件中构建可交互3D世界，如河流、海洋场景，并能从图...
uBlock Origin 回来了！第三方开发者将其完整功能移植到 Manifest V3
uBlock Origin 回来了！在 Chrome/Edge 相继淘汰了 Manifest V2 标准的老旧插件之后，首当其冲就是强大的广告过滤插件 ...
让炼丹更科学一些（九）：经典自适应梯度算法
本系列前面八篇文章，都是在围绕SGD及其学习率讨论。而从本文开始，我们将正式进入自适应梯度算法的世界。可以说，现在所有的自适应梯度算法，都有一个共同的源头...