智谱 AI 研究T1·基座大模型
78 分
智谱AI发布并开源了15亿参数的语音识别模型GLM-ASR-Nano,专为高鲁棒性真实场景设计。该模型在开源基准测试中取得4.10的平均错误率,显著优于Whisper V3(6.93),并在方言、低音量及多语言混合场景中表现卓越。其采用“重感知、极致压缩”的非对称架构,已率先应用于智谱AI输入法的生产环境。
Robustness
模型在面对噪声、干扰或分布外数据时的稳定性
智谱AI发布并开源了15亿参数的语音识别模型GLM-ASR-Nano,专为高鲁棒性真实场景设计。该模型在开源基准测试中取得4.10的平均错误率,显著优于Whisper V3(6.93),并在方言、低音量及多语言混合场景中表现卓越。其采用“重感知、极致压缩”的非对称架构,已率先应用于智谱AI输入法的生产环境。
谷歌团队在《Nature》发表新研究,提出通过重组模型内部视觉表征空间,使 AI 更接近人类对世界的抽象理解。该方法显著提升了多模态模型的鲁棒性、可靠性及跨概念泛化能力,解决了传统视觉模型难以捕捉高层语义共性(如汽车与飞机同属大型金属交通工具)的问题。
OpenAI 正式开源名为 Whisper 的神经网络模型,该模型在英语语音识别任务上达到了接近人类水平的鲁棒性和准确率。这一发布标志着高精度、多语言语音转写能力的重大突破,为开发者提供了强大的开源工具。
研究人员提出“未知攻击鲁棒性”(UAR)新指标,用于评估神经网络分类器在面对训练时未见过的对抗攻击时的防御可靠性。该方法强调需通过更多样化的未知攻击来衡量模型性能,揭示了现有单一基准测试的局限性。
研究人员成功构建了能在不同尺度、角度和视角下稳定欺骗神经网络分类器的图像。这一成果直接反驳了上周关于“多视角采集使自动驾驶汽车难以被恶意攻击”的观点,揭示了现有防御机制的局限性。