🎧音频P1 顶会EMNLP 2026
对 Whisper 在 FLEURS 102 语上大规模单语微调与分词替换，多数语言 CER 显著优于 Whisper-large-v3。
- 发布 102 语单语特化 BuzzASR，覆盖 FLEURS 并开源模型与结果
- 单语微调加 monolingual tokenizer 与文本增强等语言适配策略
- 77/102 语优于 Whisper-large-v3，27 语在开源中达 SOTA 级 CER
🖥️GUI AgentP1 顶会EMNLP 2026
提出跨 Android/Windows/Ubuntu 的动态基准 JarvisGUI，暴露现有 GUI Agent 在跨设备工作流上的能力缺口。
- 轻量类型系统下将 GUI 任务表述为输入输出变换以自动组合跨设备工作流
- 多操作系统虚拟环境中动态评测跨平台协调与状态传递
- 显示 SOTA 开源 GUI Agent 在状态转移感知与长程依赖上的不足
🎧音频P1 顶会INTERSPEECH 2026
GAN vocoder 引入子带条件网络与 magnitude-aware phase loss，主客观指标优于既有高质量波形合成。
- SCNet 用轻量条件网络预测子带信号并经 STFT 融入 GAN 骨干重建
- 幅度加权瞬时相位误差，缓解 phase wrapping 并强调高能量区
- 高质量语音生成在客观与主观评测上表现更优
💬LLMP1 顶会EMNLP 2026
用现成小 LM 预训练目标无关 drafter，轻量适配多目标模型，提升接受长度与吞吐。
- 提出 Osprey：可复用的目标无关 drafter 预训练，减轻逐目标重训
- 剪枝浅层骨干、词表对齐与 QKV 扩展，兼顾延迟与目标隐状态蒸馏
- 单骨干跨 Qwen/Llama/MiniMax 等目标迁移，OOD 与多语场景增益更大
🎧音频P1 顶会INTERSPEECH 2026
按说话人分离与 ASR 集成方式归纳四类流式多说话人 ASR 架构，系统比较精度、延迟与资源开销。
- 统一框架按 diarization 与 ASR 集成策略划分四类架构
- 在共享开源流式 ASR 与 diarization 基座上实现并对比四套系统
- 从多说话人精度、单说话人退化、显存与训练复杂度给出选型指导
🎧音频P1 顶会EMNLP 2026
11 种东南亚语、99 评测集与约 597 小时音频，暴露主流系统在时序与低资源语上的短板。
- 构建 SEA 区域首个大规模多任务语音理解基准（ASR、翻译、口语 QA 等）
- 新增时序理解：时间戳查询与最长约 3 分钟音频内定位
- 系统评测开源与闭源模型，低资源语与 emotion、翻译、时序任务差距显著
🦾具身智能P1 顶会CoRL 2026
通过关节刚度从高到低退火，扩大 MDP 可行核，使 Spot 手倒立等难探索任务可收敛并上机。
- 提出 Actuator Dynamics Curriculum：刚度随回合长度退火至系统辨识值
- 在 cart-pole 上验证更高闭环自然频率可单调扩大 viability kernel
- Spot 四足到手倒立窄可行域任务上仿真十种子成功并迁移硬件
💬LLMP1 顶会EMNLP 2026
提出离线后训练方法 DDO，在固定 rollout 预算下提升序贯决策 Agent 的任务成功率与成功策略覆盖度。
- 将问题形式化为成功策略覆盖，关注同一决策状态下多条成功分支
- DTC 构建状态对齐分支集，RTO 在成功备选上匹配参考相对目标
- 在 BabyAI、BabaIsAI、WebShop 上优于对比后训练与解码多样化基线
💬LLMP1 顶会EMNLP 2026
多步法律工具 Agent 轨迹上的双层幻觉 taxonomy 与细粒度指标，揭示答对理错等模式。
- LexAgentHallu：3414 例、17 法律类别、6 任务类型的 agent 幻觉基准
- 7 类 27 子类 taxonomy，覆盖实体错误与 agent 程序性失败
- 18 个 agent 评测发现 Right-Answer-Wrong-Reason 及幻觉子类聚类画像
💬LLMP1 顶会EMNLP 2026
提出 longitudinal 对话基准，评测检索与记忆系统在推荐规划等个性化指导上的表现。
- 定义 PRAGMA：长期对话、证据标注与演化用户情境下的指导场景
- 区分事实回忆与需跨轮整合偏好的个性化指导任务
- 实验显示现有检索、记忆与长上下文模型在证据恢复与指导推理上均不足
🎧音频P1 顶会INTERSPEECH 2026
以 vocal 互动场为分析单元，用自监督表征初步检测多方对话中的定向表达耦合。
- 提出关系型情感框架，强调互动场而非孤立说话人离散标签
- 连续自监督语音表征下的多方对话定向表达耦合预实验
- 提出 Affective Resonance Intelligence 设计与 ARDO 支撑的分析框架