Marimba:基于冻结Qwen3-ASR的语音决策系统,摘要显示多项任务表现

Hugging Face Papers 收录的论文摘要介绍了 Marimba,一个基于冻结 Qwen3-ASR 0.6B 特征构建的语音决策接口,可在音频窗口中判断词项是否存在、话轮是否结束及语言类型。目前公开信息仅为摘要,尚未核验全文实验。

Hugging Face Papers 收录的论文摘要介绍了 Marimba,一个基于冻结 Qwen3-ASR 0.6B 特征构建的语音决策接口,可在音频窗口中判断词项是否存在、话轮是否结束及语言类型。目前公开信息仅为摘要,尚未核验全文实验。

语音 AI 公司 ElevenLabs 宣布收购日本语音 AI 实验室 Kotoba,双方将推进 AI agents 与语音交互在日本市场的本地化落地,日语语境理解成为焦点。

2026 年 11 月 18 日发表于 arXiv 的论文提出 DNeo 架构,通过改进目标模型特征编码方式优化投机扩散解码,据摘要称在生成质量不变的前提下,速度比 DFlash-2 快 1.3 倍。这项进展针对的是大模型推理加速中的关键瓶颈。

arXiv 2026年11月18日发布的一篇摘要提出“自我改写”:27B 大模型仅靠自身推理、不训练、不用梯度,就能修改自己的权重并提升准确率。若实验细节经得起复核,模型迭代可能从“再跑一次训练”变成“再谈一次话”。

Hugging Face Papers 收录的一篇论文提出 FastFrames 系列自回归视频扩散模型,称 1.3B 版本在单块 B200 上每帧 36 毫秒、每秒可出约 28 帧,性能接近实时交互。若结论能在实际环境中复现,视频生成有望从“等结果”走向“边输入边出画面”。

一项 arXiv 预印本研究用人类专家扮演“破坏者”,在 AI 安全实验中植入蓄意破坏,结果人类审计者几乎无法分辨,而前沿模型在只读完整研究记录时表现更好。这暴露了当前审计方法面对专家级 AI 代理的明显盲区。

星火(Xing 4)系列大模型论文公开,基于昇腾芯片与MindSpore框架完成285B参数模型预训练,并推出统一智能体训练平台TeleGym,展示国产算力栈训练前沿模型的一条工程路径。

爱尔兰数据保护委员会(DPC)已正式要求X暂停用第三方AI智能体抓取的数据训练Grok,X于周一确认遵守。这意味着大模型训练的数据合规问题,正从争议走向具体执法。

arXiv 新论文用“人格控制”微调让模型学会以不同口吻写数学推理,结果连未训练过的“隐藏意图”也更难被思维链监控发现,gpt-oss-20b 模型体的监控指标从 0.94 降到 0.22。这提醒:提升模型可控性的训练,可能同时在削弱监控能力。

微软在 Ignite 2026 上发布首款语音对语音模型 MAI Realtime 1,支持对话打断、噪音环境识别和调用企业系统完成任务,定价约为竞品三分之一,面向企业实时交互场景。