跳到正文
热点事件持续更新

AudioScorer音频token剪枝方法

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

研究人员提出AudioScorer,用于在音频语言模型中剪枝(减少)部分音频token,以提升效率。 该方法在10%的token保留率下,对10项任务中的7项取得了最佳或并列最佳结果,任务涵盖语音识别、情绪识别和音频场景分类。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月20日
  1. arXiv · NLP
    AudioScorer:通过问题感知 token 相关性提升大音频语言模型效率

    AudioScorer 通过蒸馏冻结大音频语言模型的答案梯度显著性并结合下游答案监督,实现对音频 token 的问题感知评分。 该轻量级模型在 10% token 保留率下,于 10 项语义与声学任务中的 7 项取得最佳或并列最佳结果,涵盖语音识别、情绪识别和音频场景分类。

本事件热度走势

可比范围当前
9
可比范围峰值
910月20日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。