AI前沿：从语音清洗到跨模态推理

本期《TAI快报》深入探讨了五篇AI前沿论文，涵盖语音处理、个性化、推理优化、搜索能力和跨模态推理：

• Miipher-2: A Universal Speech Restoration Model for Million-Hour Scale Data Restoration：提出高效的语音恢复模型，结合冻结的通用语音模型和轻量适配器，清洗百万小时级语音数据，适用于300+语言，推理效率极高（RTF 0.0078），为语音AI提供高质量训练数据。
• Steerable Chatbots: Personalizing LLMs with Preference-Based Activation Steering：通过激活引导实现聊天机器人个性化，允许用户控制偏好（如经济vs豪华），用户研究显示多样化控制界面更受欢迎，但偏好流动性带来设计挑战。
• Splitwiser: Efficient LM Inference with constrained resources：在单GPU上并行运行语言模型的提示计算和Token生成，降低18%延迟，提升1.4倍吞吐量，为资源受限场景优化推理效率。
• ZeroSearch: Incentivize the Search Capability of LLMs without Searching：用模拟AI代替真实搜索引擎进行强化学习，零API成本提升搜索能力，7B模型媲美谷歌，展现课程学习的训练潜力。
• X-Reasoner: Towards Generalizable Reasoning Across Modalities and Domains：仅用文本数据训练视觉语言模型，跨模态跨领域推理能力超越多模态训练模型，医学变体创SOTA，揭示推理的通用性。

完整推介：mp.weixin.qq.com