BriefGPT - AI 论文速递 ·

SpeechComposer: 统一多个语音任务的提示组合

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

本研究使用提示调整的视觉语言模型改善复合分类器性能。通过约束提示调整，复合模型在对象分类和属性分类数据集上的准确度与最佳基本模型相差不到2.5％，在UTZappos上平均提高了8.45％分类准确率。

🏷️

Witbe 推出用于视频测试自动化的 AI 模型
Witbe推出自研视觉语言模型Witbe VLMs，用于视频测试自动化，与通用模型协同工作。该模型针对机顶盒等特定场景训练，性能不逊于前沿模型，且延迟更低...
微软构建了提示注入检测器，却意外捕获了一场钓鱼攻击。
微软披露一种利用Unicode标签字符的钓鱼攻击，攻击者将隐形字符插入“funding”等金融词汇，绕过垃圾邮件过滤和AI分类器，单日检测量超230万。该...
dsh-speech测评：DeepSeek Harness语音插件让打字变成历史
dsh-speech是DeepSeek Harness的语音插件，支持实时语音输入和AI回答的语音摘要，由AllModels.io提供技术。它区别于其他插...
谷歌在 Gmail、Docs 和 Keep 中推出 AI 语音功能
谷歌在Docs、Gmail和Keep中推出对话式AI功能，用户可用自然语言提问或语音输入完成任务。Gmail Live可查询收件箱，Docs Live辅助...
Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...
EP224：MCP与RAG及AI代理的对比
An AI agent is kind of an AI system where the agent performs the task autonom...