论文解读
音频幻觉为何总说“有”：用静默对照与首步门控校正肯定偏差的 TAD
针对二元音频问答中模型因语言先验而虚报存在的幻觉，TAD 以静默音频为对照做对比解码并仅在首步用音频增益门控惩罚肯定词，在 AudioCaps-Hallucination 与 Clotho-AQA 上提升拒绝能力但在部分设置下以精度与准确率下降为代价。
对比学习
论文解读
百分之百的正确，也可能只说出了百分之五：语音脑机接口需要一把共同的尺子
语音识别 | 7.4/10
论文解读
一条声音，二十四种说法：SonicCaps 把听觉歧义变成检索的养分
音频检索 | 7.2/10
论文解读
当嵌入不再确定：把不确定性从打分一路带到校准的后端闭环
说话人验证 | 7.8/10
论文解读
把“像不像”拆开问：当音乐相似度被迫按属性回答时，人与机器在哪儿对齐、又在哪儿分叉
音乐检索 | 7.3/10
论文解读
从“只会抽叶子”到“整棵树都能点名”：用本体距离重塑目标声音提取的条件空间
音频分离 | 5.7/10
论文解读
没有配对报告时，如何让呼吸声自己找到临床语义？
音频分类 | 7.8/10
论文解读
用对比学习给 JEPA 当老师：7M 参数如何靠目标设计逼近 330M 大模型
音乐理解 | 6.5/10
论文解读
当文字当指挥：MAESTRO 如何让声画专家按序就位
音视频理解 | 6.0/10
论文解读
在只有 204 个婴儿的世界里，为什么 97.9% 的准确率不值得庆祝
音频分类 | 8.1/10
论文解读
当一句“右转航向 150”必须找到那架飞机：语音与轨迹如何在同一个地图上相遇
对比学习 | 7.5/10
论文解读
歌声里藏着母语的口型：当音素的物理约束在旋律中留下指纹
音乐理解 | 8.0/10
论文解读
效果是效果，声音是声音：当表征必须同时记住与忘记内容
音频检索 | 8.0/10
论文解读
泛化失效有两种：能用标注买回的，和换什么表征也买不回的
音频理解 | 8.5/10
论文解读
当 AI 自己给艺术分类：28 个簇与 6 个人类标签的错位
音视频理解 | 4.0/10
论文解读
不只用文字指挥检索：当嵌入器学会看区域、听时段
音频检索 | 7.5/10
论文解读
CoSTALA: Compositional Spatio-Temporal Audio-Language Alignment via Multi-Grain Hierarchical Contrastive Learning
空间音频 | 7.9/10
论文解读
LAION-BVD: A 10-Million-Hour Open Video Dataset for Multimodal Pre-training
音视频理解 | 9.4/10
论文解读
Cross-Subject Generalization in Decoding Perceived Speech from Non-Invasive Brain Recordings
语音识别 | 8.3/10
论文解读
Unified Music Identification for Tracks and Versions
音乐检索 | 8.2/10