精选 12 篇，从 12300+ 条中筛选
FunAudioLLM/Fun-Audio-Chat-8B是一款针对自然、低延迟语音交互的大型音频语言模型。该模型采用双分辨率语音表示和核心鸡尾酒训练，在保持高语音质量的同时降低计算量。它在OpenAudioBench、VoiceBench等多个基准测试中表现优异，支持语音问答、音频理解、语音功能调用等任务。该模型适用于需要高效语音交互的场景，如智能客服、语音助手等。
🔥 unsloth/GLM-4.7-GGUF 是一款通用大模型，具有强大的代码生成、数学推理和多语言能力。该模型基于GLM-4.7架构，参数量庞大，上下文长度长，训练数据丰富。在多个基准测试中表现出色，尤其在代码生成和数学推理方面。模型适用于需要高性能代码生成和复杂推理任务的场景，如开发、教育和研究。其开源协议、硬件需求适中，推理效率较高，与主流推理框架兼容。
TurboDiffusion/TurboWan2.2-I2V-A14B-720P 是一款专注于图像到视频生成的多模态模型，定位为特定领域微调模型。该模型基于 Wan-AI/Wan2.2-I2V-A14B 模型，采用扩散模型技术，具有高效的视频生成能力。模型在图像到视频转换任务上表现出色，适用于需要快速生成视频的场景。其核心能力在于加速视频扩散模型的推理速度，通过技术创新实现了100-200倍的加速。性能方面，模型在相关基准测试中取得了优异的成绩。实用考量上，模型遵循Apache-2.0开源协议，对硬件要求较高，适合在具备较强GPU支持的平台上运行。
这篇论文提出了HiFi-RAG，一种针对开放域检索增强生成（RAG）的改进方法。HiFi-RAG通过多阶段管道，结合了Gemini 2.5 Flash的快速和成本效益，以及Gemini 2.5 Pro的推理能力，以解决检索文档中的无关信息和生成答案与用户意图对齐的问题。实验结果表明，HiFi-RAG在MMU-RAGent验证集和Test2025数据集上均优于基线模型，显著提升了ROUGE-L和DeBERTaScore指标。
这篇论文提出了一种名为AI4Reading的中文有声书解释系统，该系统通过多智能体协作，利用大型语言模型和语音合成技术自动生成类似播客的有声书解释。系统旨在实现准确的内容保留、增强的可理解性和逻辑叙事结构，通过11个专业智能体的协同工作，实现了主题分析、案例提取、内容组织和自然语言合成等功能。
这篇论文提出了一种名为DIF的框架，用于评估和验证大型语言模型（LLMs）中的隐含偏见。该框架通过评估LLMs在逻辑和数学问题数据集上的表现，结合社会人口角色和统计稳健性检查，为LLMs的隐含偏见提供了一个可解释的基准。
这篇论文提出了DiRL，一个高效的扩散语言模型后训练框架，通过结合FlexAttention加速的块状训练和LMDeploy优化的推理，解决了扩散语言模型在复杂推理任务上的性能限制问题，如数学。DiRL通过监督微调和强化学习实现了高效的模型更新，并提出了DiPO，为扩散语言模型提供了首个无偏的组相对策略优化实现。
FoldAct论文提出了一种针对长时程强化学习中的上下文折叠方法，通过分离损失计算、全上下文一致性损失和选择性段训练等创新，解决了梯度稀释、自我条件和计算成本等问题，从而提高了长时程搜索代理的稳定性和训练效率。
这篇论文提出了HELMBERT，一种基于HELΜ表示的肽语言模型，通过结合HELΜ的精确描述能力和BERT的编码能力，显著提高了对肽的物理化学性质预测的准确性，特别是在预测环状肽的膜渗透性和肽-蛋白相互作用方面。
这篇论文提出了RollArc，一个针对分布式基础设施的多任务代理强化学习训练系统。RollArc通过硬件亲和性工作负载映射、细粒度异步性和状态感知计算，有效地提高了训练吞吐量，并显著减少了训练时间。
这篇论文介绍了Mirage Persistent Kernel (MPK)，一个自动将多GPU模型推理转换为高性能单一巨核的编译器和运行时系统。MPK通过引入SM级别的图表示来捕捉数据依赖，实现跨操作符的软件流水线、细粒度内核重叠等GPU优化。实验表明，MPK将端到端推理延迟减少了高达1.7倍，将LLM推理性能推向接近硬件极限。
这篇论文提出了GraphOracle，一个基于关系依赖图（RDG）的全新框架，用于解决全归纳知识图谱推理问题。GraphOracle通过将知识图谱转换为RDG，减少图密度并捕获关键组合模式，从而实现鲁棒的全归纳推理。该方法使用多头注意力机制在RDG上传播信息，生成上下文感知的关系嵌入，并引导第二个图神经网络（GNN）在原始知识图谱上进行归纳消息传递，从而预测全新实体和关系。实验表明，GraphOracle在完全归纳和跨域场景中分别比先前方法提升了25%和28%。
