实体
Junhyeok Lee
Junhyeok Lee
PulseAugur coverage of Junhyeok Lee — every cluster mentioning Junhyeok Lee across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的SSRR损失提升神经音频编解码器的可懂度和速度
一篇新的研究论文介绍了一种用于神经音频编解码器的自监督表征重构（SSRR）损失，旨在提高可懂度和降低延迟。该方法加速了训练，使得在H200 GPU等硬件上只需更少的步骤即可取得有竞争力的结果。SSRR损失通过重构从编解码器输出中提取的自监督表征来提高语音可懂度，从而在基于Transformer的编解码器中实现零前瞻的实时部署。采用此方法的JHCodec在LibriSpeech test-clean数据集上实现了优于其他方法的词错误率和…
-
新基准MPIB评估LLM在提示注入攻击下的临床安全性
研究人员推出了医疗提示注入基准（MPIB），这是一个新的数据集和评估套件，旨在评估大型语言模型（LLM）和检索增强生成（RAG）系统的临床安全性。MPIB专注于识别临床环境中提示注入攻击（直接和间接）相关的风险。该基准使用临床伤害事件率（CHER）来衡量严重的临床伤害，并区分中度和重度后果，揭示了不同LLM和防御策略之间存在显著差异。
-
新AI框架通过不确定性量化增强中风评估
研究人员开发了证据灌注物理信息神经网络（EPPINN），以提高急性缺血性中风评估中计算机断层扫描灌注（CTP）成像的准确性和可靠性。该新框架将证据深度学习与物理信息建模相结合，以量化物理约束中的不确定性，解决了现有确定性方法的一个关键限制。EPPINN使用基于坐标的网络对灌注参数进行建模，并在物理残差上放置一个正态-逆伽马分布，以表征体素级不确定性，而无需进行贝叶斯采样。在模型数据、基准数据集和临床数据上的评估表明，EPPINN在具有…