实体
Qwen3-Omni-30B
Qwen3-Omni-30B
PulseAugur coverage of Qwen3-Omni-30B — every cluster mentioning Qwen3-Omni-30B 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
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的AVTrace套件揭示了全模态模型的时间推理缺陷
开发了一个名为AVTrace的新诊断套件，用于评估全模态模型的时间推理能力，这些模型旨在同时处理音频和视觉信息。该套件包含超过34,000个训练示例，并测试事件定位、顺序保持和视听同步等任务。对五个开源全模态模型的初步评估显示，它们在同步验证和其他时间推理任务上的表现不佳，得分低于简单的基线。虽然参数高效的时间后训练对Gemma4-E4B-it有所改进，但研究结果强调，文本中的语义重叠不应被用作这些模型时间理解的代理。
-
Aslema系统在NADI 2026任务中拔得头筹，使用LLM生成的突尼斯语数据
研究人员开发了一个名为Aslema的系统，用于NADI 2026共享任务，专注于突尼斯Derja语音的意图识别和槽填充。该系统证明了微调大型语言模型（LLMs）的性能远超零样本推理。通过使用LLM生成的合成话语和语音克隆来增强训练数据，Aslema在测试集上的槽填充任务中取得了最高排名，并在意图识别任务中表现强劲。该团队计划发布他们的脚本和合成数据集，以促进该领域的进一步研究。
-
新的OmniVideo-100K数据集增强了AI的视听推理能力
研究人员推出了OmniVideo-100K，这是一个旨在提高AI系统视听推理能力的新数据集。该数据集通过使用一个自动化引擎从视频创建结构化脚本，确保了跨片段的一致性并将音频链接到视觉来源，从而解决了当前方法的局限性。这种方法采用了实体锚定视频脚本和线索引导问答生成，在微调VITA-1.5和Qwen2.5-Omni-7B等模型时取得了显著的性能提升。