标签
本文提出一个三层清单-评判框架，用于评估机器翻译对话中口译智能体在语义、语用和文化-社会维度上的交际成功度，并通过广泛的基准测试进行了验证。
这篇研究论文探讨了为什么大型语言模型中的预训练无法跨语言转移知识，指出不相交的词元空间是根本障碍，并提出将语言映射到共享词元空间以改善跨语言泛化能力。
这篇帖子讨论了像ElevenLabs和OpenAI这样的公司如何扩展到核心AI语音技术之外，导致语音技术进展变慢，并介绍了Cartesia的Multilingual Voices，帮助企业跨语言保持一致的品牌声音。
Karan Goel 介绍了 Multilingual Voices，与 Baklavastory 合作，展示企业如何在不同语言和通话中保持一致的角色形象。
这篇帖子讨论了 AI 如何使语音成为软件的默认输入层，并介绍了 Multilingual Voices 功能，以在不同语言间保持业务特色。
该推文讨论了垂直SaaS如何借助更快的AI语音模型发展为语音优先，为开发者开辟了新机会，并强调了Cartesia的多语言能力。
VoiceCap 是一款AI会议记录工具，能够以超过100种语言转录会议内容，并以相同语言生成摘要、行动项和决策。它集成了Zoom、Meet和Teams等应用，并基于欧盟的存储以保障隐私。
M-SQE 提出了一个多语言技能质量估算框架，旨在通过评估候选者的内在质量和任务实际效用，增强智能体技能使用中的语言平等。
本文对知识图谱增强和检索增强生成在文化特定问答中的表现进行了基准测试，使用LatamQA数据集展示了在拉丁美洲文化数据上的显著错误减少。
NVIDIA 发布了 SEA-LION-v4.8，这是一系列基于 Nemotron 3 的多语言AI模型，专门针对东南亚语言进行优化，在指令遵循和推理等任务上取得了显著的性能改进。
NetEase Youdao AI 正在开源 Confucius4-R2T2，一个1.7B的前沿实时流式ASR模型，专为语音代理设计，具有低延迟、高准确度和可配置解码块的特点。
文章重点介绍了 Gemini 3.8 live AI 模型的卓越能力，该模型通过一个支持语音和多语言交互的实时保险索赔代理来展示，具有开源实现。
本文提出了一种离散扩散框架，用于高效的一对多机器翻译，实现了随目标语言数量次线性延迟扩展，并支持对未见源语言的零样本迁移。
WangNet 是一个轻量级、零依赖的神经网络，用于在11种语言中判断数字是否为Numberwang，打包在一个1.8 MB的JSON文件中，支持简单的Python推理。
Google DeepMind 展示了如何使用其 3.8 Live Extended Thinking 模型作为编程导师，具备升级的推理能力、接近实时的视觉理解、97种语言的自动检测，以及在后台调用工具而不干扰聊天的功能。
本文系统地评估了在Whisper模型系列上用于多语言语音识别的令牌合并技术，展示了在低资源语言和微调模型中，计算效率得到提升而准确性损失最小。
文章询问是否有比Qwen3.5 4B更好的小型AI模型，用于构建快速的本地助手，重点是在保持速度的同时改进对话、推理、多语言支持和工具调用等能力。
本文提出了一种三阶段训练流程，用于开发紧凑型稠密检索器，包括针对波兰语的PolDense和针对欧洲语言的EuroDense，它们在参数显著减少的情况下，与更大模型相比仍能实现强劲性能。
本文介绍了SWARM，这是一个多语言人类标注数据集，用于检测跨九种语言的搜索引擎结果中的俄罗斯宣传。它对各种模型进行了基准测试，发现使用大型语言模型（LLMs）的内容级分析在宣传检测方面优于传统方法。