PulseAugur
中
实时 18:21:37
实体 International Conference on Methods & Models in Automation & Robotics

International Conference on Methods & Models in Automation & Robotics

PulseAugur coverage of International Conference on Methods & Models in Automation & Robotics — every cluster mentioning International Conference on Methods & Models in Automation & Robotics across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
3
90 天内 5
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 5
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 5 条
  1. RESEARCH · CL_294337 ·

    SWEAR框架提高了LALM的音频推理效率

    研究人员开发了SWEAR,一个用于大型音频语言模型(LALM)的新型框架,可提高推理效率。与之前使用广泛难度估计的方法不同,SWEAR采用五维难度评分和压缩推理轨迹。这种方法允许模型在不同阶段调整其推理过程,在不影响复杂任务性能的情况下,减少简单任务的token生成。在MMAU-test-mini和MMAR数据集上的实验证明了SWEAR在平衡准确性和效率方面的有效性。

  2. TOOL · CL_284716 ·

    SkillFormer 使用技能适配器来适应音频语言模型

    研究人员开发了 SkillFormer,这是一种用于适应音频语言模型以完成各种任务的新方法。该方法将音频理解分解为特定技能的适配器,这些适配器在推理时通过学习到的路由器进行组合。这种技术可以防止在联合训练期间可能出现的不同技能(如音高比较和说话人计数)之间的干扰。SkillFormer 为基础模型增加了最少的参数,并在多个基准测试中显示出显著的准确性提升。

  3. TOOL · CL_284692 ·

    AdaLoop 通过自适应推理增强音频语言模型

    研究人员开发了 AdaLoop,这是一个旨在增强大型音频语言模型推理能力的新型模块。该模块自适应地确定音频相关查询所需的计算深度,对复杂的声学分析任务应用更多的迭代细化。AdaLoop 可与现有音频模型无缝集成,仅增加少量参数即可显著提高 MMSU、MMAU-Pro 和 MMAR 等基准的准确性。

  4. TOOL · CL_210497 ·

    新型LALM模型通过无指令对齐实现具有竞争力的多模态性能

    研究人员开发了一种新颖的多模态大语言模型(MLLM)创建方法,该方法仅关注对齐,绕过了传统的多阶段流程。这种新方法称为LALM,仅训练一个轻量级投影仪,同时保持音频编码器和核心LLM的冻结状态。通过利用自生成数据和无指令训练,LALM在各种基准测试中取得了具有竞争力的性能,使用的数据量大大减少,却能媲美甚至超越经过大量后训练的模型。该技术保留了LLM固有的指令遵循能力,并允许快速适应新的LLM代和模态。

  5. RESEARCH · CL_158603 ·

    Audio-Zero 框架在无标签情况下增强了 LLM 的音频推理能力

    研究人员开发了 Audio-Zero,一个旨在增强大型音频语言模型 (LALM) 细粒度音频推理能力的新框架。该方法采用无标签自演化方法,创建了一个自玩游戏,模型生成音频片段的描述并识别细微差别。这个过程使模型能够在无需昂贵的外部标签的情况下提高其听觉感知和推理能力。实验表明,Audio-Zero 在保持更广泛理解能力的同时,能有效提升细粒度音频理解能力,演化分析显示出现了更详细的听觉描述。