可控的人力语音产生，特别是对于诸如唱歌之类的富有表现力领域，仍然是一个重大挑战。本文介绍了VEVO2，这是一个统一的框架，用于可控语音和唱歌语音生成。为了解决诸如带注释的唱歌数据稀缺的问题并启用灵活的可控性，VEVO2引入了两个音频引物：（1）一种无音乐通用的韵律引物，从而捕获了韵律和旋律，从语音，唱歌，唱歌，甚至器乐的声音以及（2）（2）速率（2）速率（12） ...

在表格数据范围内进行监督学习的深度学习体系结构，从简单的多层感知器（MLP）到复杂的 Transformer 和检索效果。这项研究突出了一个主要但忽视的机会，可以设计出基于MLP的基于MLP的基于更好的表格体系结构。也就是说，我们的新模型TABM依赖于有效的结合，其中一个TABM有效地模仿了MLP的集合并产生每个对象的多个预测 ...

当前的大型语言模型（LLMS）由于其以英语为中心的培训语料库，经常表现出不平衡的多语言功能。为了解决这个问题，在数据级上运行的现有微调方法（例如 ...

大型语言模型的最新进展已大大加快了其在医疗保健应用中的采用，包括AI驱动的医疗咨询，诊断报告帮助和医疗搜索工具。但是，医疗任务通常需要高度专业化的知识，专业准确性和自定义功能，因此需要建立强大而可靠的基础模型。 Quarkmed通过利用精选的医疗数据处理，医学检索效果（RAG）以及大规模，可验证的增强学习管道来开发高性能医疗基础模型，从而满足了这些需求 ...

大型语言模型（LLM）在环境感知，基于推理的决策和模拟复杂的人类行为方面表现出了显着的能力，尤其是在互动式的角色扮演环境中。本文介绍了Multiverse Interactive角色扮演能力一般评估（Mirage），这是一个综合框架，旨在评估LLMS通过谋杀神秘游戏来塑造先进的人类行为的能力。 Mirage具有八个错综复杂的脚本，其中包括各种主题和样式，提供了丰富的模拟 ...

尽管大语言模型（LLM）的表现令人印象深刻，但它们经常落后于各种任务中的专业模型。 LLMS仅将现有培训数据的一小部分用于文本学习，而特定于任务的模型则利用完整的数据集进行微调。在这项工作中，我们解决了利用培训数据以提高LLM的性能而无需微调的问题 ...

（srs）（cl）来利用无监督信号来缓解srs中的数据稀疏问题。一般来说，基于，cl的srs首先通过使用数据增强策略来增强原始序列交互数据，并采用对比训练方案来强制来自相同原始交互数据的那些序列的表示相似... ...

多课程对话中的时间推理提出了一个重大挑战，这在以前的时间推理基准中一直没有研究。为了弥合这一差距，我们提出了一项新的评估任务，以在多课程对话中进行时间推理，并引入一种方法，通过增强Locomo的对话并创建多选择QAS来构建新的基准测试。此外，我们提出了Tremu，这是一个旨在在这种情况下增强LLM代理的时间推理能力的新框架 ...