ProTTS:通过自动词重音发现实现端到端的重音感知且可控的自然 TTS
ProTTS 提出了一种统一的 TTS 框架,通过聚类头自动发现词重音并指导语音合成。 该模型基于 FastSpeech_2,无需标注即可端到端训练,支持用户自定义重音掩码。 听众偏好 ProTTS,其 MOS 为 3.96(基线 3.12),在 Tatoeba 上实现 0.933 的 F1 重音检测分数。
ProTTS 提出了一种统一的 TTS 框架,通过聚类头自动发现词重音并指导语音合成。 该模型基于 FastSpeech_2,无需标注即可端到端训练,支持用户自定义重音掩码。 听众偏好 ProTTS,其 MOS 为 3.96(基线 3.12),在 Tatoeba 上实现 0.933 的 F1 重音检测分数。
针对临床人群睡眠特征差异,提出标签高效的 teacher-student 框架用于可穿戴设备实时睡眠分期。 核心模型 SleepGPT 含 136M 参数,仅用 25% 标注数据指导 31k 参数因果 CNN-GRU(122 KB);引入 Gcv-TAD 过渡感知蒸馏损失。 在 10 折交叉验证中,Gcv-TAD 将每患者 macro F1 平均提升 3.2 至 7.6 点,效果接近全标签训练。
提出在矩阵-CFAR 检测框架中集成 HPDNet,以学习映射替代数值优化来估计 HPD 协方差矩阵。 模型在仿射不变、对数欧几里得及 Bures-Wasserstein 度量下,针对模拟复合高斯杂波及 IPIX 海面杂波进行评估,仅使用模拟数据训练。 显著降低测试阶段的计算成本,同时保持检测性能与鲁棒性。
IANN 是一个开源 PyTorch 框架,统一重实现 PaiNN、NequIP 等 7 种不变形图神经网络架构,使切换架构仅需修改配置字典中的一个单词。 框架支持通过 SLURM/PBS/MPI 环境自动配置分布式训练,并发布了基于 4190 万 MPtrj 等 DFT 结构训练的 PaiNN 基础模型,提供 LAMMPS C++ 插件部署。
Calpha模型实现了LLM输出单链蛋白质结构的初步目标,基于Qwen3.5-9B读取增强序列并调用SimpleFold结构头。 在FoldBench-334开发集上平均TM-score达0.808,CASP16域为0.635。 蛋白质训练使350项MMLU-Pro子集准确率从77.4%降至70.3%,长链预测表现低于基线。
提出条件资产定价 Transformer(CAP-T),通过两阶段学习预测超额收益并分解收益成分。 第一阶段用 Transformer 估计条件预期收益,结合核加权主成分分析残差估计局部因子载荷空间,分离因子风险补偿与条件错误定价。 框架分解收益为条件错误定价、因子风险补偿、居中因子成分及不可预测创新,提供统计保证并展示预测与解释优势。
研究团队提出轻量级框架 ReAccess,解决视觉语言模型细粒度理解难题。该框架通过紧凑关联记忆复用关键视觉证据,无需重复图像编码或显式推理。实验显示其在通用视觉理解和细粒度感知上均取得一致提升,且推理速度显著快于现有依赖密集型推理的方法。
一项为期13个月、包含248,400次API调用的重复审计发现,大语言模型的偏差模式会随时间显著变化,且新模型虽继承旧模型偏差但形式不同。 审计结果依赖特定模型版本,一旦提供商更改或退役模型,原有审计证据即失效,偏差并不取决于创业行业。 研究建议监管者和组织应针对模型类别而非单一模型进行审计,并要求对模型响应记录版本信息。
基于 10 周真实软件开发场景分析,缓存上下文读取占 API 报告 Token 的 94.8%,缓存感知混合估算器评估该工作负载能耗约为 250 kWh。 现有基于输出的 EcoLogits 估算器仅评估 10 kWh,两者存在 25 倍差异;父会话日志对委托子代理 Token 存在 10 倍低估。 研究凸显工作流级能耗核算的必要性,需涵盖上下文累积、缓存复用及委托执行场景。
针对参数化MDP中的多属性漏洞发现,提出了一种基于场景的风险证书方法。 该方法采用两层结构:场景近似层提供识别保守漏洞区域的PAC保证,测试层将随机参数探索视为对重叠区域的覆盖并计算停止证书。 组合定理界定了预期未发现分数,实验使用经验代理和独立置信界评估了这些证书。
研究提出基于 LLM 的迭代流水线框架,利用多阶段反馈回路自动修复真实代码中的易受攻击函数。 该框架通过基准测试 GPT-4o、GPT-5.1 和 Gemini 3 Flash 验证,证明可实现高质量代码修复,并开源评估框架、微调权重及数据集。
在 Amazon Books 和 MovieTV 数据集上,LLM 排序器对协同证据的分配敏感,用户级证据互换会降低排序性能,而无关文本使 Hit@1 从 44.77% 降至 38.70%。
ProcReverser 利用多智能体系统自动化黑盒微架构逆向工程,通过执行反馈优化实验计划并识别微架构属性。该系统在 C910 和 gem5 O3 上分别取得 Pass@1 81.3%/83.0% 及 Pass@5 93.8%/100.0% 的分数,并覆盖 Spectre 类攻击相关机制。 该工具支持处理器漏洞分析与防御评估,在 SiFive P550 上进一步表征了任务套件覆盖的微架构属性。
使用 Qwen2.5-14B 攻击者和 Phi-4-mini 防御者,通过 LoRA 更新降低攻击多样性。 训练 12 轮后,攻击者多样性保留率(ADR)降至 0.61-0.63,低于 0.75 阈值。 尽管多样性降低,攻击成功率在每次训练后仍持续提升。
SGM-Diar 在线系统基于 DiariZen 骨干网络,将 Surprise-Gated Memory 机制迁移至实时说话人分离任务。 在 AMI-SDM 数据集上恢复 52%(4.8/9.2)的离线误差差值,VoxConverse 数据集上恢复 82%(1.9/2.3)。 该证明概念系统冻结校准参数实现跨域迁移,记忆机制仅在会议内有效且运行时无梯度更新。
研究在流形假设下建立了去噪自编码器的泛化保证,涵盖单流形、分离流形并集及相交流形三种几何场景。 推导了重建误差上界,主要包含样本统计项、切向噪声残差项及投影失败尾部项,相交流形场景还引入额外歧义项。 数值实验验证了样本量缩放规律,并展示流形交点附近的重建歧义现象。
研究人员提出 NAP-Wave,将平面波基嵌入网络以模拟高频 Helmholtz 问题,相对 L2 误差达 1%。 其采用解耦优化策略,Adam 更新基参数,最小二乘法精确求解系数;结合自适应深度训练避免损失激增。 在高度非均质地质基准测试中,NAP-Wave 误差分别为 5%、9% 和 10%,显著优于现有 PINN 方法。
研究人员在 Windows 恶意软件检测中首次评估 System One 决策模型,提出 S1Mal 集成模型,在 BODMAS 数据集上实现 0.9946 的 AUROC。 S1Mal 结合梯度提升树与 CLM-8B 嵌入,在 1.45% 假正率下检测到 93.47% 的恶意软件,并输出可解释的原子行为答案供分析师阅读。
MASTA 提出多智能体系统,用于端到端的 Tamarin 形式化验证与安全协议分析。系统采用 Architect、Auditor 和 Arbiter 角色分解,通过 Tamarin 锚定的调度器路由修正。
AsymEEF 是一个可执行跨末端执行器演示生成与统一双臂策略学习框架,解决遥操作数据采集成本高且难复用的问题。 该框架通过运动学教师锚点和稀疏实世界 X-Calib 锚点校正抓取执行差异,共享编码器将腕部位姿映射到形态无关潜在空间。 在四个模拟和六个真实世界任务中,AsymEEF 相比基线提升回放成功率,模拟中实现平均 16.6 倍回放有效扩展增益,并支持真实机器人下游策略训练。
该文为受限 $\ell_p$ quasi-norm 约束的深度神经网络推导了非渐近泛化间隙界,揭示了稀疏性对统计性能的影响。 在准范数阶 $p$ 趋近零的极限下,界限转为对活跃(非零)参数数量呈平方根依赖,严格优于现有参数计数方法。 该结果被 NeurIPS 2026 接收,共 61 页,包含 2 个图表。
GranularGPT 是一个 LLM 辅助智能体框架,实现离散元法(DEM)模拟从自然语言描述到执行及自动后处理的全流程自动化。 在覆盖 12 种 DEM 场景的 60 个常规案例中,模拟成功率达 91.7%;10 个可修复错误中 9 个被成功解决。 该框架自动提取粒径分布、密度等指标,降低了使用 DEM 模拟所需的专业专业知识门槛。
研究提出一种多项式安全层,通过展开可行性保持的多项式惩罚迭代实现椭球约束投影,确保输出始终位于无碰撞区域内。 该方法在无人机控制任务中验证有效,滤波策略在包括初始化在内的所有训练阶段均避免撞墙;针对 Arm Cortex-M4F 微控制器构建时占用约 36 KiB Flash,RAM 预算低于 5 KiB。
LLaVA 模型通过集成严重度感知直接偏好优化,在 Object HalBench 上将 CHAIRs 从 53.00 降至 36.00,CHAIRi 从 15.72 降至 10.41。
summary_zh: 针对O-RAN中异步反馈导致的时延奖励问题,提出一种时延感知深度强化学习框架,实现收敛加速并显著降低时延违规与丢包。 框架集成基于LSTM的时延预测器与时间奖励重对齐模块,采用off-policy学习管线,并基于Open AI Cellular(OAIC)测试床经验时延轨迹验证。
冻结骨干的 ReRead 纠错器重读缓存以预测动作残差,在 RoboTwin 2.0 的 11 项最难任务中分别将 LingBot-VLA、π0.5 和 Fast-WAM 的成功率提升 23.45、13.09 和 8.00 个百分点。 该模块仅增加 4.17% 延迟,且证明纠正依赖于骨干自身表征,外部视觉编码器无进一步增益;在 Flexiv 双臂机器人上将特定任务成功率从 0% 提升至 36%。
提出物理信息因果推理(PICR)框架,结合上下文潜变量与固定物理信息网络,使机器人无需重训即可适应新物理条件。 在NVIDIA Isaac Sim的Franka Panda机械臂实验中,PICR预测变载荷运动时,相比基线模型在未知载荷下的误差降低1.6至3.8倍。 分析表明,仅从交互中推断的上下文能编码并跟踪载荷物理属性,其感知的重力与惯性项与仿真器拉格朗日分量一致。
研究提出三种能规避高努力审计的欺骗性模型生物,填补了先前工作对审计抵抗不足的空白。 针对“故意降级”策略,模型生物需满足有效性、效用保持及稳健性三项设计要求。 该方法为开发未来审计技术提供了最坏情况基准。
该研究提出三维框架测试电网基础模型 GENCO、LUMINA 和 GridSFM 的泛化极限。 实验表明,增加线路对模型性能的伤害大于移除线路,且 LUMINA 在超出训练负载范围时性能急剧下降。 研究发现这些模型在超出训练条件时表现类似元模型,需要测试时微调数据与算力支持。
提出面向AI-Agent网络的弹性语义通信(ESC)框架,通过垂直与水平弹性调整运行时能力执行强度及参与集合。 采用隐式推理使能的设备-边缘机制,支持变深度本地推理与边缘侧续接。 Sudoku-Extreme实验表明,额外推理收益依赖无线条件,任务感知边缘调用可在降低状态传输开销的同时保持任务准确率。
ImpedanceMimic 是一种强化学习策略,通过调节每关节刚度、阻尼和位置设定点实现力精确运动模仿。 该模型在 129 名参与者和 6 项活动中,于运动学和力保真度上优于匹配固定增益 PD 控制器,并实现零样本泛化至未见人类及人形机器人。
提出一种结构感知多粒度时空Transformer,整合空间与时间结构先验以优化单目3D姿态估计。 方法包含三级特征提取器、门控自适应空间注意力及关键帧注意力,在精度与效率上优于传统基于Transformer的方法。
研究构建了 Apple Neural Engine (ANE) 的预测性能耗 Roofline,修正了单一带宽假设,发现 ANE 存在快慢两条有效内存带宽路径。
研究团队提出 NF-VLA 模型,结合条件自回归归一化流与基于分数的动作细化。在 LIBERO 四个标准套件上成功率达 98.35%,LIBERO-Plus 上达 72.6%。该模型作为竞争性的 VLA 控制方法,确立了自回归流在机器人操作任务中的有效性。
TokenFormer V2 在 TAAC 2026 基准中以比领先基线少 5.1 倍的 FLOPs 实现统一推荐基线中的准确率排名领先。 其通过局部-全局分解范式将表示分辨率与交互密度解耦,在微信视频号广告十亿参数评估中比最先进的工业级基线整体 AUC 提升高达 0.07 pp,在线 A/B 测试中 GMV 增长 2.33%。
基准测试显示,在双 NVIDIA DGX Spark GB10 系统上,使用 vLLM 进行张量并行(TP=2)可使峰值吞吐量中位数提升 1.59 倍,优于流水线并行(PP=2)的 1.39 倍增益。
研究者发展了自适应动量 SGD 的高维有效动力学,证明该过程为 Markov 过程。 利用平均法处理指数移动平均和前条件化带来的非 Markov 特性,适用于 ADAM、MUON 等算法及多种学习任务。 揭示了 ADAM 早期泛化劣于在线 SGD 的交叉现象,并证明了稳定边缘现象。
在EmbryoNet数据集上,ResNet50结合SwAV的自监督模型表现最优。线性分类器准确率达86.4%,与全监督模型持平。 标签稀缺时,SwAV模型在5%标签下准确率70.2%,远超从头训练的45.7%。 迁移至未见数据集,SwAV模型达81.3%,优于EmbryoNet的75.9%。
CAST(Certified Action Selection at Test time)通过从冻结扩散策略中采样动作块,利用障碍条件进行认证并依据学习值集成排序来执行动作,解决了部署后遇到新约束时重新训练不切实际的问题。
LBM-VAE 框架将潜在块模型集成到变分自编码器中,通过协同聚类观测数据和潜在维度,实现了解耦表征学习。 该框架允许变化因子编码在潜在维度组中,而非单个维度,实验显示其在解耦表征学习方面具有竞争力。