标签
BranchShine-CR 是一个紧凑的 2500 万参数模型，用于多语言 IPA 转写，采用 log-mel 特征、E-Branchformer 编码器、自条件 CTC 和一致性正则化，相较于先前模型，IPA 字符错误率相对降低了 22.3%。
本文介绍了TAPe+MLv3，一种紧凑的计算机视觉系统，它使用结构化表示进行多任务学习，在COCO等基准测试上取得了具有竞争力的性能，且参数少于100,000。
介绍Spark-X2.5-1.7B，一个紧凑的文本生成模型，专为中英双语流畅对话设计，已获得早期积极反馈。
DreamX-Creator 1.0 是一个紧凑的7B原生联合音频-视频生成器，它利用跨模态注意力、渐进式训练和强化学习来产生同步的2K分辨率输出，旨在实现高质量音频-视频生成的民主化。
Horus Cyber Nano 1.0 官方公告，展示基准测试结果、架构详情，并确认模型权重的发布日期。
ALPHABET 是一种紧凑的线性时间序列模型，它将时间历史压缩为稳定的复极点模式，以更少的参数和更快的推断速度实现竞争性能。
DistilVDR is a compact 524M visual document retriever distilled from an 8B teacher via cosine alignment, achieving near-teacher accuracy on ViDoRe with 15.6x smaller indexes and faster indexing.
Nanbeige4.2-3B 是一个紧凑的 3B 参数通用智能体模型，采用 Looped Transformer 从零开始预训练，在智能体和推理任务上表现出色，在多个基准测试中超越了更大的模型。该模型和代码均已开源。
Nanbeige4.2-3B 是一款紧凑型智能体模型，采用循环Transformer架构，在3B规模下展现出强大的智能体任务和推理基准性能，超越了Qwen3.5-9B和Gemma4-12B等更大规模的模型。
FreyaTTS 是一款紧凑型、无需分词器的土耳其语优先文本转语音模型，基于非自回归条件流匹配扩散变换器，以远小于大型系统的参数量实现了最先进的性能，并基于 Apache-2.0 许可发布。
GRAPE是一种训练框架，在对抗训练过程中逐步暴露参数空间，与CIFAR-10上的固定结构方法相比，能够以更少的参数实现更高的鲁棒精度。
本文介绍了 CosmicFish-HRM，这是一个紧凑的 8277 万参数语言模型，配备层级推理模块，在推理过程中动态分配推理计算资源，并根据输入复杂度学习何时停止。
Lens是微软推出的一款紧凑型38亿参数文本到图像模型，在训练计算量显著降低的同时，通过密集描述、多分辨率批处理和高效架构，达到了与更大模型竞争甚至超越的性能。
Google 推出 Gemma 3 270M，这是一个拥有 2.7 亿参数的紧凑型模型，专为高效边缘设备 AI 设计，具有强大的指令遵循能力和极致的能效表现（在 Pixel 9 Pro 上进行 25 次对话仅消耗 0.75% 电量）。
Arch-Router是一个紧凑型1.5B参数模型，通过将查询映射到用户定义的领域和动作类型，将LLM路由与人类偏好对齐，在主观评估中优于专有模型。