大语言模型为什么能像人一样说话和思考？
李航，张少华，林苑 我们每天都在使用大语言模型（Large Language Model，LLM）。一个明显的感受是，它们似乎真的能够理解我们的语言，虽然有时也会出现幻觉。另一方面，观察 LLM 输出的思维链，也就是其推理过程的语言表示，我…
48 0 0
声浪
微信 Audio-Omni：一个模型通吃声音 / 音乐 / 语音，理解生成编辑全搞定，7.9B 参数碾压专用模型
论文链接: https://arxiv.org/abs/2604.10708v1 代码链接: https://zeyuet.github.io/Audio-Omni 发表会议: arxiv Sora 带火了视频生成，但音频 AI 却一直深陷…
34 0 0
微信炼出扩散语言模型，实现vLLM部署AR模型3倍加速，低熵场景超10倍
来源丨机器之心 讯微信 AI 团队提出 WeDLM（WeChat Diffusion Language Model），通过在标准因果注意力下实现扩散式解码，在数学推理等任务上实现相比 vLLM 部署的 AR 模型 3 倍以上加速，低熵场景更…
21 0 0
7B扩散语言模型单样例1000+ tokens/s！上交大联合华为推出LoPA
在大语言模型（LLMs）领域，扩散大语言模型（dLLMs）因其并行预测特性，理论上具备超越传统自回归（AR）模型的推理速度潜力。然而在实践中，受限于现有的解码策略，dLLMs 的单步生成往往局限于 1-3 个 Token，难以真正释放其并行…
16 0 0
上海AI Lab发布混合扩散语言模型SDAR：首个突破6600 tgs的开源扩散语言模型
来源丨机器之心 程爽，上海人工智能实验室和浙江大学联培博士生一年级；卞一涵，美国马里兰大学硕士生二年级，上海人工智能实验室实习生；刘大卫，上海人工智能实验室和上海交通大学联培博士生一年级；齐弼卿，上海人工智能实验室研究员（指导老师） 大模型…
20 0 0
蚂蚁 Ling-1T 开源：基础语言模型、1T参数、MoE架构｜所有信息都在这了
蚂蚁的 Ling-1T终于发了，大半夜的 中文叫百灵，1T 参数，Instruct 版本、非推理、MoE架构 HuggingFace：https://huggingface.co/inclusionAI/Ling-1T GitHub：htt…
20 0 0
语音“PS”来了！蚂蚁又放大招，ASR+TTS+编辑的全能语音模型开源了！
在大模型的浪潮下，语音领域也正迎来“整合与统一”的趋势。 过去我们往往需要分别调用不同的模型来完成语音识别（ASR）、语音生成（TTS）和语音编辑等任务，不仅开发成本高，而且在真实业务中很难实现流畅的衔接。 而这一次，阿里蚂蚁团队直接给出了…
27 0 0
李宏毅与NVIDIA 联手打造 DeSTA2.5-Audio：证明旧方法正在“毁掉”你的语音语言模型
论文标题：DeSTA2.5-Audio: Toward General-Purpose Large Audio Language Model with Self-Generated Cross-Modal Alignment Arxiv：h…
27 0 0
ACM MM 2025｜半隐式跨语言思维链：语音大模型非核心语言指令跟随能力的突破
当语音大语言模型（SLLM）在英语等核心语言中流畅执行语音指令时，日语、法语等非核心语言场景却因语音 - 文本配对的指令跟随数据稀缺与多语言推理能力局限，面临响应质量显著下降的挑战。传统跨语言方法多聚焦文本领域，而 SLLM 以语音信号为输…
20 0 0