标签
NVIDIA 发布了 NemotronLabs RE-USE，这是一款拥有 960 万参数的多语言通用语音增强模型，能够在各种音质劣化条件和采样率下恢复语音质量，性能超越规模更大的开源 USE 模型，同时可用于商业用途。
该论文提出了 SERIAL-7，这是一个韩英双语基准，配备可执行验证框架，用于评估大语言模型在七种表示形式和 43 项原子约束下推导、生成和保持机器可验证输出的能力，揭示了十个模型在结构化生成可靠性方面的显著差距。
Nedimo 提出了一套以证据为依据的多语言流程，用于生成低唤醒度的 AI 睡眠故事，将确定性规划与大语言模型生成分离，并采用注意力逐步减弱、验证防护机制和文本转语音（TTS）响度归一化，同时将该系统定位为放松工具，不宣称具有临床疗效。
Meta 超级智能实验室的研究人员将“认知不确定性下的自适应个性化”形式化，并推出一项多语言基准测试，揭示了大语言模型在策略识别与生成之间的差距：尽管模型能够识别恰当的策略，却仍默认采取利用优先的行为；针对内部策略表征的定向训练缩小了泛化差距。
Datalab 发布 Surya OCR 2.5，一个 689M 参数的 OCR 模型，在 OmniParseBench 上取得 85.9 分（1B 以下开源模型最高），支持 91 种语言、布局分析与表格转 HTML，吞吐量在单张 H100 上达每秒 4.5 页。
Mistral 发布 Mistral Large 4（Le Chonk）：一个 1 万亿参数、49B 激活参数的原生多模态 Mixture-of-Experts 模型，具备 1M 上下文窗口、可配置推理力度、160+ 语言支持，并以 Mistral Ecosystem Open-Weight License 开源权重发布。
ElevenLabs 推出 Cue，一款强制对齐模型，可将音频中的每个字符精确到亚毫秒级时间线，准确度超过其测试的所有对齐器，覆盖 29 种语言，且一小时内音频的对齐耗时不到一秒。
NVIDIA 发布了 Nemotron 3.5 Transcribe 30B-A4B，这是一款开源权重的离线语音与音频转录模型，支持 40 种语言，采用混合 MoE 架构，激活参数约 43 亿，可处理长达一小时的录音。
Nvidia 发布了免费开源权重语音转写模型 Nemotron 3.5 Transcribe（30B 参数，支持 40 种语言）以及 Granary 开源语音数据集 v2，瞄准会议记录和医疗转写等企业应用场景。该模型声称在 Open ASR 等基准上超越竞争对手，且可在单芯片上运行。
NVIDIA 发布了 Nemotron 3.5 Transcribe，这是一款开放权重的可提示模型，支持多语言转录、说话人分离、翻译和音频问答，在排行榜上取得了顶尖成绩；同时推出的还有 Granary v2 数据流水线以及用于领域适配的 NeMo 微调方案。
Muse现已在新加坡上市，标志着这款设备走向国际化，支持该国的四种官方语言。
ETC-Bench 是首个面向评估端转录文本规范化的综合性多语言基准，涵盖 12 种语言中的 181 种现象类型，并提出了一项新的 SENA 指标和一种由分类体系引导的智能体方法（TACS），该方法的表现优于基线系统。
研究人员基于 90 亿个词元的开放数据，训练了参数规模从 1200 万到 10 亿不等、基于 ModernBERT 的冰岛语编码器。结果表明，从头训练的 10 亿参数模型在全部十一项任务上均优于 IceBERT，而以英语 Ettin 编码器进行热启动的模型在所有基准测试中均取得了最佳成绩，同时凸显了词表移植的重要性。
Liquid AI 发布了 LFM3-Audio-2B，这是一款紧凑的 20 亿参数音频模型，可在笔记本电脑和边缘设备上本地运行，支持语音对话、18 种语言的多语种语音、音频理解以及工具调用，配备自研音频编码器和 LiquidCodec 分词器。
ARMOR-DP 是一个面向多语言 BabyLM 的模块化框架，可根据各语言的验证损失动态调整语言采样。结果表明，表现最弱的语言会在训练过程中发生变化，且动态保护优于固定保护中文的基线方法。
该论文提出 SEDATE（选择性检测与定向编辑），一种基于检测-编辑-验证策略的免训练方法，通过定位跨语言共享的“攻击性”神经元来提升大模型的安全性，并在7种语言和4个模型家族上验证了其优于基线的效果。
AdaptTok-Indic 提出一种面向印地语系语言的脚本感知自适应分词方法，结合 Unicode 归一化预处理、显式印度语连字处理和基于脚本路由的字节级边界预测，在孟加拉语和印地语上取得比 SentencePiece BPE 更低的 token 生长率和更好的下游表现。
throxy（YC P25）推出 AI 原生销售服务，为制造业、物流、建筑等 B2B 公司预订合格的销售会议；新增功能可根据客户使用的语言（如法语、德语）将其转接给对应语言的 SDR 进行通话，并按成功发生的会议付费。
本文从因果角度分析了多语言大语言模型如何在英语、法语、越南语和中文中表征否定，揭示了一个共享且可通过因果干预加以控制的否定方向，甚至每个模型中仅一个稀疏自编码器特征，就能在不同语言中引入或消除否定，并泛化到未见过的语言。