跳到主要内容
检索

Tampere University

4 篇关联报道

订阅更新
  1. arXiv

    流式视频配音追上离线对齐:LiveFoley 前端只看 0.08 秒,端到端延迟 156 毫秒

    实时视频转音频长期受制于两处瓶颈:视觉前端为压低预看延迟而缩小感受野,因果扩散后端又逐块独立去噪,导致音画对齐和音质都落后于离线模型。LiveFoley 用尾随滑动窗口把现成的非因果片段级编码器改造成流式模块,无需重训练即可把前端预看降到 0.08 秒,并在后端把去噪窗口向历史扩展。在 VGGSound 测试集上,LiveFoley-48k 的 DeSync 为 0.48,与离线 MMAudio-L 的 0.47 相当,单张 A800 上端到端延迟 156 毫秒。

  2. bioRxiv

    肿瘤分型不再只分大类:HHRM沿八级层级逐层判型,泛癌测试准确率0.7924

    肿瘤亚型本身有层级结构,从原发癌种一路细分到分子亚型,但多数分类模型把标签摊平处理,忽略了层级之间的生物学约束。HHRM把癌症标志基因网络与递归模块结合,在26种原发癌、405个亚型、最多八级的11,476例泛癌样本上逐层预测,局部输出模式下准确率为0.7924,高于所比较的层级分类模型。在1,608例乳腺癌独立数据上重新训练后,测试与验证准确率均超过0.86。

  3. arXiv

    挖掘机不再照单执行语言指令:一次性租约把批准动作绑到具体运动,关闭区卸料从1.23降到0.33立方米

    大语言模型指挥的挖掘机可能执行机械上可行、但目的地或权限已不再匹配操作员批准的动作。为此,研究把授权绑定到具体运动:一次性租约同时绑定动作、生成的运动、任务合同与准入容差,派发时原子地复核当前权限与实测关节漂移,并在权限被撤销时请求带载俯仰的五次多项式停车。在672例接口套件中,网关放行全部120例良性用例,攻击套件零次未授权派发;同步仿真中,卸料阶段撤销权限时关闭区最大卸料量从1.23降到0.33立方米。

  4. arXiv

    CodePori 用多智能体系统自动生成代码,并通过问卷调查评估其在真实软件开发中的可用性

    该研究分两阶段开展:先构建名为 CodePori 的多智能体系统以自动化代码生成,再通过问卷调查让参与者评估智能体在自主软件开发任务中的表现,结果显示基于大语言模型的多智能体系统在自主代码生成上具有潜力,但其成功整合需要应对短期记忆限制、幻觉和代码异味等具体挑战,并纳入以从业者为中心的视角。

已读完全部报道