标签
论文提出 FOCUS——一个基于 Mamba-2 的超轻量 EEG 认知负荷分类模型，采用固定 FFT 频带分解与权值共享编码，在仅 0.04M 参数下于 11 人试点实验中达到 74.75% 准确率与 0.08ms 前向延迟。
PreView 引入了一个辅助预处理器，向 grounding 模型输入与任务相关的裁剪/放大视图以及关于候选目标的视觉和文本线索，在五个基准和三个冻结的 grounding 模型上均提升了 GUI grounding 的性能。
Vik Paruchuri 介绍 Indra，一个仅 1M 参数的 OCR 模型，在 CPU 上实现 49 页/秒，速度比 PaddleOCR 快 11 倍、比 Tesseract 快 17 倍，并在 OmniParseBench 文本识别上取得更高精度。
ej 是一个仅 11.4MB 的本地模型，专为运行时定义选项的类型化决策设计，可在 CPU 上单次前向推理输出概率分布，涵盖选择、是非与有序评分任务，并附带训练、评估与基准测试工具链。
作者用一个仅 126 万参数的轴向 Transformer 模型，将 htop、vim、emacs 等 TUI 界面的单元格解析为角色标签，再确定性地转换为 A2UI 声明式 UI 组件，客户端完全不再需要终端模拟器。模型在真实屏幕上的 mIoU 为 0.51，约 40% 的屏幕可直接命中模板而无需运行模型，代码与标签已开源。
Sopro V2 Turbo 是一款拥有 1.2 亿参数的开源 TTS 模型，支持零样本语音克隆，在笔记本 CPU 上即可实现约 300 毫秒的首音输出流式延迟，并可通过 ONNX 在浏览器中运行；尽管规模很小，其清晰度仍达到了 SOTA 级别。
SpaFactor 是一个轻量级框架，通过整合空间上下文和基因程序，从组织学图像预测空间转录组学，在多个队列中展示了更高的准确性和生物保真度。
LightMIS 提出了一种可扩展的超轻量级卷积神经网络家族，用于二维二值医学图像分割，在减少参数量和GFLOPs的同时实现高精度，适合设备端执行。
本文分析了LLM交互中的隐私-效用权衡，揭示了底层机制，并引入了一个意图驱动的本地保护框架，使用轻量级模型来增强隐私同时保持响应效用。
RelateAnything 是一个轻量级的实时开放词汇关系预测模型，它接受任意的谓词词汇和区域来源，在大型几何验证数据集上训练，并在新的跨数据集基准测试中进行评估，显示出比同类方法显著的性能提升。
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。