标签
一个轻量级的TTS实现，通过2000小时数据复现Audio8的训练，在H200上不到10小时训练就达到了0.72的SIM指标。
本文提出LA-ReduNet，一种轻量级自适应架构，该架构采用超球面流形学习和自适应步长，以显著减少神经网络中MCR2目标所需的层数，并用更少的参数实现相当的分类准确率。
LiLiCorr是一种轻量似然模型，通过关联每个位置的边缘分布来提高推测解码的令牌连贯性，从而增加语言模型推理中的接受长度和吞吐量。
构建并发布了BetterGPT-150M，一个紧凑的1.5亿参数因果语言模型，资源占用低，性能优于GPT-2 Small。包含用于文本补全的实时Hugging Face Space演示。
TurboVLA提出了一种新的视觉-语言-动作范式，直接将视觉和语言映射到动作，在LIBERO上仅用0.2B参数就达到了97.7%的成功率，并在消费级GPU上以32 Hz实现实时推理，显著降低了计算成本。
本文提出Light-MER，一个轻量级多模态情感识别框架，通过知识蒸馏将80亿参数的教师模型知识迁移至低于10亿参数的学生模型，在显著提升推理效率的同时取得了最先进的性能，挑战了参数超过10亿模型的必要性。
本文提出了一种适用于Moonshine等轻量级ASR模型的分词器移植流程，以解决孟加拉语中的自回归崩溃问题。通过将以英语为中心的分词器替换为BanglaBERT的WordPiece词汇表，词元繁殖度从9.16降至1.30，序列长度减少85.8%，在Lipi-Ghor数据集上实现了21.54%的词错误率（WER）。
本文介绍了SPAM（基于S3M的音系激活映射），一种利用自监督语音模型同时进行音素分割与识别的方法，该方法使用轻量级、免梯度下降的预测头，且只需要极少的音标转录数据。
MIThinker提出了一种轻量级推理模型，用于动机性访谈咨询代理，通过监督微调和强化学习训练生成治疗性思考，在较低计算量下实现了与最先进系统相当的MI能力。
本文系统评估了LLM在处理表格时的数据引用错误（DRE），并提出基于批评者的过滤和拒绝采样方法来提高答案准确性。一个轻量级的4B参数批评者模型在检测DRE方面达到了高准确率。
本文提出了一种基于AutoGen的轻量级多智能体框架，用于自动化混凝土护栏设计，实现了超过98%的准确率，并表明在该领域中小型模型可以超越大型模型。
Light-WAM是一种轻量级世界动作模型，用于高效机器人操作。它采用紧凑视频骨干网络和降采样潜在空间进行未来视频监督，在保持低推理延迟的同时实现了高性能。
腾讯开源的 Hy-MT2 系列多语言翻译模型，包含 1.8B、7B 和 30B-A3B（MoE）三种规模，支持 33 种语言，取得了业界领先的结果。其中轻量级的 1.8B 模型在性能上超越了微软和豆包的主流商业 API。