标签
网易有道开源了Confucius4-R2T2，这是一款用于语音代理的流式ASR模型，它逐步处理语音并仅输出已提交的文本，以防止状态损坏。
本文提出了Kraken，一个基于LLM的语音到语音翻译模型，采用低比特率向量量化和双路径源条件，以提高翻译质量并保留说话人韵律，基于Qwen3-8B构建。
SimSkill是一个终身学习AI代理，通过识别能力差距、生成任务并使用记忆系统来提高性能，自主掌握交通仿真，在基准测试中任务完成率提升高达25%。
VibeVoice-ASR-Streaming 是一个基于LLM的端到端模型，用于流式说话人属性语音识别，通过已发布的1.5B和7B模型权重实现了最先进的性能。
EditPPT 引入了一个多智能体框架，用于在长幻灯片中进行准确且忠实的幻灯片编辑，使用结构化工具利用和双模态验证器，并介绍了 DeckEdit-Bench 基准。
Dartwords是一款新的每日文字游戏，使用本地LLM提供对话式提示，灵感来自Wordle和Clippy，并于今日在网页版上线。
LELA是一个基于LLM的实体链接框架，将零样本命名实体识别和实体消解整合为端到端的Python库，并在多种场景下验证了其有效性。