EmoTra-TTS: Smooth Intra-Utterance Emotion Transitions for Speech Synthesis（在新窗口打开）
帧级 VAD 与多 pass flow 混合，实现可控句内情感过渡，参数与延迟开销极小。
- 多 pass flow 混合生成帧对齐过渡音频，缓解过渡数据稀缺
- 双阶段 VAD 条件引导 LLM 韵律规划与 flow 声学实现
- 方向-幅度解耦注入，分离情感方向与注入强度
前沿论文
14 大方向 · 三级优先筛选 · 每日更新
最近更新：2026-10-16 13:30
2026-08-26 周三共 7 篇：生成 0 · 代码生成 0 · 智能体 0 · 世界模型与具身 0 · 理解 1 · 音频 3 · 基础模型 3
- 生成
- 文生图 0图编辑 0视频生成 03D 生成 0
- 代码生成
- Visual2Code 03D2Code 0
- 智能体
- GUI Agent 0
- 世界模型与具身
- 世界模型 0具身智能 0
- 理解
- VLM 1OCR 0
- 音频
- 音频 3
- 基础模型
- LLM 3统一多模态 0
这一天为历史补采：作者单位只来自 OpenAlex，入选论文比每日更新少；要点由 AI 根据论文摘要生成，以原文为准。
共 7 篇
The Dialect Tax: Dialectal Biases Persist throughout the Language Modeling Pipeline（在新窗口打开）
平行方言语料追踪表明，分词、预训练、后训练与推理各阶段均累积方言表现差距。
- 确认 LM 语义等价识别方言与 SAE，但表示与下游仍不平等
- 预训练中方言对梯度更新分歧大于无关 SAE 文档对
- 奖励模型方言偏好不稳定，方言税在全流水线累积
ADE: Agentic Data Evolution Framework for Human-Centered Objectives（在新窗口打开）
用 OVS 闭环与稳态准入机制迭代筛选合成监督，提升弱可验证场景下 LLM 对齐与后训练效果。
- 提出 Agentic Data Evolution，以演化数据快照组织合成监督
- Observation-Variation-Selection 闭环与稳态准入作质量棘轮
- DEV300 上内在/外在胜率提升，盲评偏好 evolved 答案
Robust Code RL via Faulty-Code-Driven Test case Synthesis and Dense Reward Shaping（在新窗口打开）
RobustTests 用近正确错误代码合成测试并稠密奖励，缓解 RLVR 奖励黑客与覆盖不足。
- 错误代码驱动测试合成，捕获潜在逻辑差异
- validator agent 与行为特征聚类过滤无效冗余测试
- 逐步 pass rate 稠密奖励，构建 CodeContests+ 增强集
Boot-and-Feedback Framework for Generalist-Expert Model Collaboration in Breast Ultrasound Diagnosis（在新窗口打开）
MLLM 引导描述与视觉专家双向融合，提升乳腺超声诊断准确性与可解释性。
- Boot 阶段用 BI-RADS 与视觉专家预测约束 MLLM，减少幻觉
- Feedback 阶段 Attention-Gated 跨模态融合整合文本与视觉
- 多 BUS 数据集上优于 SOTA 的诊断与可解释性
Visually-Guided Spatial Audio Generation for $360^\circ$ In-the-Wild Speech Scenes（在新窗口打开）
对齐 360° 视频与全向音频，视觉引导重建缺失的一阶 Ambisonics 方向分量。
- 发布语音向 YT-SPEECH 360° 视频-FOA 数据集
- Localizer-Renderer：视听分割热图 + 复域 U-Net 重建 FOA
- 置信度门控稳定模糊声学条件下的视觉条件
Investigating voiced and unvoiced regions of speech for audio deepfake detection（在新窗口打开）
分解清浊音分别训练 AASIST，浊音区对合成语音判别尤其有效，融合后 EER 显著下降。
- 用信号周期性分解 voiced/unvoiced 分量独立训练检测
- 发现 unvoiced 区对 synthetic vs bonafide 判别更有效
- 分数级融合 voiced/unvoiced 相对全音频基线 EER 大幅改善
没有符合条件的论文。