English(EN) Audio Token Attention Is Predictable Before the Language Model Runs

新的 Triage 方法优化 LALM 的音频令牌处理

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-01 04:00

研究人员开发了一种名为 Triage 的新颖方法，用于优化大型音频语言模型 (LALM) 中的音频令牌处理。Triage 可以在语言模型运行前预测音频令牌将获得的注意力，从而实现高效的令牌修剪。这种方法在保持高精度的同时显著提高了压缩率，优于 DART 等现有基线。通过使更多音频数据能够适应上下文窗口，Triage 可以将 Qwen2.5-Omni-3B 等模型的处理能力扩展到一小时以上，并将 GPU 服务容量提高多达四倍。 AI

影响能够处理更长的音频输入并提高模型效率，可能加速实时音频应用。

排序理由该集群包含一篇研究论文，详细介绍了优化语言模型中音频处理的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 22 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇研究论文，详细介绍了优化语言模型中音频处理的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Kyoungjun Park, Yunzhe Li, Lili Qiu · 2026-10-01 04:00

语言模型运行前即可预测音频Token注意力

arXiv:2609.38878v1 Announce Type: cross Abstract: A large audio language model (LALM) turns a minute of speech into 750-1,500 tokens and prefills every one. Image-token pruning often cuts after the language model's first layers, where image tokens draw little attention. Audio tok…

本文如何被排名

报道来源 [1]

语言模型运行前即可预测音频Token注意力

相关实体

相关话题