T2L-ICAG

新研究探讨音频大模型泛化、多语言医疗AI及激活稀疏性

三篇新研究论文探讨了大语言模型（LLM）和音频语言模型的进展。其中一篇论文介绍了T2L-ICAG，一种用于生成指令条件适配器的方​​法，以提高音频模型的组合泛化能力。另一篇论文提出了GlobMed，一个多语言医疗数据集和基准，以及GlobMed-LLMs，以解决LLM在不同语言（尤其是低资源语言）之间的性能差异。第三篇论文提出了ActTail，一种利用重尾自正则化理论的全局激活稀疏性方法，通过根据投影异质性分配稀疏性预算来提高推理速度和性能。