对话音频上下文抽象压缩方法提出
热点事件持续更新
对话音频上下文抽象压缩方法提出
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Shashi Kumar 等作者提出 Abstract Compression，把前序轮次的音频序列压缩为固定数量的 latent token，同时显式保留对应的转写文本，以降低基于 LLM 的语音识别使用对话上下文时的开销。 经监督多轮训练后，作者称对话上下文主要帮助识别上下文实体；在域内和域外测试集上，压缩模型以更小的前序音频占用恢复了部分原始上下文条件带来的增益。论文已被 IEEE SLT 2026 接收。
AI 根据报道生成 · 58 分钟前更新
最新进展10月21日 12:00
面向 LLM 语音识别的对话音频上下文抽象压缩报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.CL面向 LLM 语音识别的对话音频上下文抽象压缩
研究提出 Abstract Compression，将前序轮次的音频序列压缩为固定数量的 latent token 并显式保留对应转写文本，以降低 LLM-based ASR 使用对话上下文的开销。经监督多轮训练后，对话上下文主要帮助识别上下文实体；在域内和域外测试集上，压缩模型以更小的前序音频占用恢复了部分原始上下文条件带来的增益。论文已被 IEEE SLT 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。