实体
Kirill Borodin
Kirill Borodin
PulseAugur coverage of Kirill Borodin — every cluster mentioning Kirill Borodin across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
多模态AI将动物识别准确率提升11%
研究人员开发了一个多模态框架，通过结合视觉数据和文本描述中的语义信息来改进动物识别。该方法在一个包含近70万只独特动物的大型数据集上进行了测试，使用了SigLIP2-Giant作为视觉编码器，E5-Small-v2作为文本编码器。研究发现，门控融合机制在整合这些模态方面最有效，与单一模态方法相比，准确率提高了11%，Top-1准确率达到84.28%。这项工作被CVPR 2026的FGVC13研讨会接收。
-
新理论解释Whisper模型中的AI幻觉
一篇新的研究论文引入了光谱敏感性定理来解释大型自动语音识别（ASR）模型中的幻觉。该定理预测了一个相变，模型从信号衰减转变为秩-1崩溃。该理论在Whisper模型上进行了测试，结果显示中间版本经历了结构分解，而较大的模型则进入了一个寻求压缩的吸引子状态，使其与声学证据脱钩。
-
Balalaika 流程通过韵律感知标注增强俄语语音数据
研究人员开发了 Balalaika，一个开源流程，用于对俄语语音数据进行标注，重点关注韵律。该系统集成了语义语音活动检测、多 ASR 集成和自动质量过滤，创建了一个 5.1k 小时的语料库。该流程还通过标点、词重音和音素归一化来丰富文本，在语音去噪和文本到语音合成方面展示了一致的改进。