变形金刚的缩放为语言模型带来了突破性的功能。目前，最大的大型语言模型（LLMS）包含100b以上参数。 Vision Transformers（VIT）将相同的架构引入了图像和视频建模，但这些架构尚未成功地缩放到几乎相同的程度。最大的密集vit包含4b参数（陈 ...

在本文中，我们提出了Scoreq，这是一种新颖的语音质量预测方法。 ScoreQ是对比度回归的三胞胎损失函数，该函数解决了最先进的无引用语音质量指标所表现出的领域概括缺点。在本文中，我们：（i）说明了L2损失训练的问题未能捕获平均意见分数（MOS）标签的连续性； （ii）通过跨多个语音领域的基准评估证明缺乏概括； （iii）概述我们的方法，并通过渐进评估探索建筑设计决策的影响； （iv）评估针对各 ...