实体
timestamp prediction
timestamp prediction
PulseAugur coverage of timestamp prediction — every cluster mentioning timestamp prediction across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新方法EA-SURF优化多任务语音大语言模型
研究人员开发了一种名为EA-SURF（Endpoint-Anchored Preference-Aware Sampling Uniformly along the Pareto Front）的新方法，以更好地管理多任务语音大语言模型中的任务权衡。该方法在联合训练期间调整标量化权重，以使模型的性能与特定的部署偏好保持一致。EA-SURF旨在改善由此产生的任务权衡，并在实验中显示，与标准的固定损失加权相比，归一化超体积增加了17.8%。
-
新方法EA-SURF优化语音大语言模型任务权衡
研究人员开发了一种名为EA-SURF的新方法，以解决语音大语言模型（LLMs）中的任务权衡问题。这些模型通常执行多种任务，如语音识别、时间戳预测和语音翻译，联合训练可能导致这些任务之间的妥协。与使用固定损失权重的标准训练方法不同，EA-SURF在训练过程中调整标量化权重，以使模型的性能与特定的部署偏好保持一致。这种方法已被证明可以提高性能，在六种不同的语音大语言模型请求中，端点包含的归一化超体积提高了17.8%。