ILM：一款 AI 驱动的互动式教育故事工具
研究者推出 ILM，一个面向先知故事的互动教育平台，结合阿拉伯语 NLP、知识图谱与检索式问题生成。系统通过 KG Constructor Engine 提取实体和叙事关系，支持可视化故事地图探索，并用多语言检索管线生成选择题与开放题，由 LLM-as-a-Judge 评判答案。平台还加入古兰经内容作为独立补充层，已有 demo 可用。
#多模态
新闻、仓库与研究，按时间排列。
arXiv · cs.CLAI 评分1111 arXiv · cs.CLAI 评分5151 arXiv 论文揭示多语言模型中 tokenizer 选择对不同语言的影响差异
Clara Meister 在 arXiv:2610.12144 发表论文，训练 123 个模型、跨 54 种 tokenizer，在架构与训练预算固定下比较 tokenizer 选择的影响。结果显示训练数据较少的语言受 tokenizer 影响更大，语言被排除出 tokenizer 训练会全面推高其 BPB，但给低资源语言更多 tokenizer 数据并不必然有益，且衡量 tokenizer 内在性质的指标可预测下游 BPB 排名。
arXiv · cs.CLAI 评分3939 EgoVoice：基于第一人称多模态流的主动式语音助手框架
研究者提出 EgoVoice，一个用于训练和评估主动式第一人称语音助手的框架，让模型从连续视频与音频流中自主决定何时开口、说什么。该工作基于 HoloAssist 视频构建音频流数据，微调全模态 LLM 并用 DPO 优化主动干预行为。实验显示现有开源与闭源模型很少产生时机恰当的主动干预，而 EgoVoice 在干预时机、内容相关性上均优于零样本基线。
arXiv · cs.CLAI 评分3434 Latent Core Tokenizer (LCT)：有意义的分词器压缩
论文提出 Latent Core Tokenizer（LCT），一种语言无关的分词方法，用 Minimum Description Length、熵边界信号和形态约束在构建共享词表前识别可复用语言单元。在覆盖 104 种语言、200K token 词表的设置下，LCT 的 fertility 低于 BPE、Unigram 和 parity-aware BPE，MorphScore 更高，并在四个多语言下游基准上分别取得 1.48、1.83、2.00 分的聚合提升。结果表明仅靠压缩无法预测表示质量。
arXiv · cs.CLAI 评分5050 SpaceCast-Bench 基准发布：评估视觉语言模型的预测性空间推理
Hongxing Li 等在 arXiv 发布 SpaceCast-Bench，首个直接评估视觉语言模型预测性空间推理的基准，包含来自182个真实场景的3862道题、16种任务类型，分静态感知、局部预测和全局预测三层。21个模型中最强者仅达58.0%，远低于人类的87.2%，空间特化模型接近随机水平；微调使 Qwen3-VL-4B 从34.0%提升到65.7%，并在六个域外基准上有宏观平均提升。
arXiv · cs.CLAI 评分4343 ViSkill：用演化的视觉原生技能强化 VLM 智能体
研究者提出视觉原生技能学习框架 ViSkill，将成功交互编码为视觉技能卡片供 VLM 智能体调用，技能检索同时引导推理与奖励塑形，成功轨迹再蒸馏回技能库，形成技能积累与策略提升互相强化的闭环。在 Sokoban、FrozenLake 和 PrimitiveSkill 上，ViSkill 整体成功率达 0.89，加入冷启动机制后升至 0.91，优于所有受测专有与开源基线，且比标准 PPO 收敛更快。代码已开源。
arXiv · cs.CL精选AI 评分5252 WOVEN：将视觉世界建模融入多模态大语言模型的训练源与基准
arXiv 论文 2610.12417 提出 WOVEN，一个面向视觉转移推理的训练源与基准，包含 36076 条覆盖 20 种场景、5 种动作和 8 种推理类型的样本。评测 GPT-5.4 和 Qwen3-VL-235B-A22B 等 38 个前沿多模态模型发现其远低于人类水平；用 WOVEN 训练后，每个约 2000 条的子集在 26 个外部基准中的 22 个带来最高 27.3 个百分点的提升，并可替代任务自身 30-50% 的训练数据。
推荐理由：论文用约2千条子集就在26个外部基准中改善22个，给出了按推理操作而非场景选取监督的可迁移训练配方。
arXiv · cs.CLAI 评分4545 FastBench：流式 VLM 能否感知高动态真实世界视频流？
研究者推出 FastBench，用于评估流式视频大语言模型（VLM）在真实世界高动态场景下的感知能力，包含 306 个 QA 对，覆盖八个领域、六种能力及前向、即时、回溯三类时间范围，并用 SAM3 和 CoTracker3 轨迹做答案验证。实验显示最强模型 Gemini-3.5-Flash 仅得 50.7%；Qwen3-VL-8B 采样从 2 FPS 提至 24 FPS 后由 32.9% 升至 44.6%，但随历史压缩增益饱和。免训练基线 ProactiveFrame 分别比稀疏均匀采样高 5.4 和 1.5 个百分点，仍远低于 oracle 引导聚焦。
arXiv · cs.AIAI 评分2828 BEVPIPE：用可移植 GPU 计算部署 BEV 感知的算子失配问题
BEV 感知模型依赖稀疏 3D 卷积与几何 scatter 操作，现有推理运行时无法表示，且稀疏卷积库均为 CUDA-only 并与 PyTorch 耦合。论文提出 BEVPIPE 框架，将模型切分为运行时管理的稠密子图和 voxelizer、sparse encoder、BEV projector 三个外部算子扩展，通过共享 GPU 内存连接。BEVPIPE 实现相比传统部署 19.5x 的端到端加速，保留 98.5% 的参考 mAP，并可跨不同 GPU 后端移植。
arXiv · cs.AIAI 评分2222 MSGAT：用于图文检索的多头脉冲图注意力与相似度空间融合方法
研究者提出 MSGAT（多头脉冲图注意力网络）与 Sim-Fuse 相似度空间融合策略，用于基于脉冲神经网络（SNN）的图文检索（ITR），解决稀疏脉冲表示难以做跨模态对齐的问题。在 Flickr30K 和 MSCOCO 上，该方法在同等设置下优于 ANN 方法及现有 SNN 检索基线。仅用两个时间步即可达到与 ANN 对手相当或更优的性能，同时将模块级理论能耗降低 55%，代码随补充材料提供。
arXiv · cs.AIAI 评分3838 SDPAD：面向端到端自动驾驶的全脉冲驱动管线
SDPAD 是一个全脉冲驱动的端到端自动驾驶规划管线，通过量化 ANN2SNN 转换、Spike-3D-Lift 和 Spike-QFormer 将预训练 ANN 感知栈转为整数脉冲形式。在 nuScenes 开环基准上，SDPAD 平均 L2 误差为 0.40m，碰撞率 0.12%，能耗仅 69.9mJ，不到近期 ANN 基线的 2%；在 NAVSIM navtest 闭环评测中达 86.3 PDMS，超过此前 SNN 规划器 SAD 4.3 分。作者称其为首个在端到端自动驾驶中评测的全脉冲驱动规划器。
arXiv · cs.AIAI 评分3434 CAMEO：超越报告模仿的临床感知多图像超声报告生成
论文提出 CAMEO，一个临床感知、证据锚定的多图像超声报告生成框架，分三阶段学习视觉语言原语、跨视图证据锚定与临床感知偏好对齐。团队基于 USReport 构建 17,670 条配对图像训练数据和 21,869 条偏好对，并使用 25,631 条 PubMedVision-US 样本做领域适配。在 USReport-Distilled 基准上，CAMEO 将 BLEU-1 从 0.25 提升至 0.40、ROUGE-1 从 0.28 提升至 0.45、METEOR 从 0.27 提升至 0.43，ClinicalScore 从 55.02 升至 74.20，已被 BMVC 2026 接收。
arXiv · cs.AIAI 评分4242 Hi3D 3.0（Twinkle3D）发布：面向物体特定细节的高分辨率 3D 资产生成
Hi3D 3.0 图像转 3D 生成系统发布，其几何模型 Twinkle3D 可生成 2048³ 分辨率的水密三角网格，并通过重新设计的 DiT 架构将扩散生成扩展至 300K 几何 token 序列，单步训练时间从约十分钟降至十秒。该单阶段模型在所有指标上超越四款商业系统，铭刻字符恢复率达 82.1%、精度 98.2%，而最强竞品召回率仅 21.7%。
arXiv · cs.CLAI 评分2727 MetaEncoder：探索用自然语言接口做多模态 System One 决策的双编码器极限
MetaEncoder 将预训练的 Muse-Glimmer 30B 解码器微调为指令跟随的决策编码器，让用户请求和候选选项均以自然语言表达并支持图像、视频输入。其采用双编码器架构与单向对比学习，可覆盖小于 256 的封闭集和百万级开放集候选空间。在 11 个 benchmark 套件、190 个任务上的评测显示其部分超越 SOTA 多模态编码器，但在推理密集型任务上仍有局限。
arXiv · cs.CLAI 评分4242 UniData：通用多模态指令生成流水线
研究者提出 UniData，一种通用指令生成流水线，可将简单的用户需求转化为多轮、多模态指令。该流水线先将需求扩展为多样事件，再借助 any-to-any 大模型生成多模态指令，并利用轮次间相关性修正无关与冗余的推理流程以提升数据质量。为训练该流水线，团队构建了涵盖九种模态、共 20,000 条数据的 UniDataset；实验显示 UniData 达到数据质量 SOTA，并能增强其他多模态模型的理解与生成能力。
arXiv · cs.CLAI 评分2929 SignRAG：统一的无 Gloss 手语翻译检索增强框架
研究者提出 SignRAG，一个面向 decoder-only LLM 的无 gloss 手语翻译统一框架，结合层级预训练、目标域检索增强和检索感知强化微调（RUG-RFT）。该方法在多个 SLT benchmark 上刷新 SOTA，据作者所知是首个在 CSL-Daily 所有指标上超过 gloss 监督方法的无 gloss 方案。代码及不同规模模型已在 GitHub 开源。
arXiv · cs.CLAI 评分3131 超越语音描述文本：面向对话 TTS 的语音奖励风格规划（SRSP）
一项 arXiv 研究提出 Speech-Rewarded Style Planning（SRSP），用冻结的下游 TTS 模型训练文本风格规划器，并以目标语音 token 的 teacher-forced likelihood 作为奖励，通过 GRPO 优化。在 ISCSLP 2026 CoT-TTS 语料英语子集上，SRSP 相比 Base LLM 与目标音频描述基线获得更高的语音风格和情感相似度、更低的 mel-cepstral distortion，在上下文恰当性与参考一致性评测上也优于所有基线。
arXiv · cs.CLAI 评分3333 SAGE：面向视觉定位的注意力汇感知引导增强方法
一项 arXiv 研究（被 EMNLP 2026 Findings 接收）提出 SAGE（Sink-Aware Guided Emphasis），用于改进视觉语言模型解码器的视觉定位并减少幻觉。研究发现解码器早晚期层存在跨提示不变的注意力坍缩（PIS），中间层才负责视觉-语言对齐。SAGE 利用 CLIP、ViT、DINOv3 等骨干生成的 token 对齐 ROI 掩码，引导注意力从 PIS 转向查询相关区域，在多个公开基准上取得一致提升。
arXiv · cs.CLAI 评分2929 何时可以剪枝网络？多语言语音句法分析中中间神经网络作用研究
研究人员在端到端语音句法分析中检验中间神经网络单元的作用，提出移除这些单元的更简架构，参数减少 12%，同时在 ASR 和解析任务上达到与先前方法相当或更好的性能。实验发现中间 NN 单元有助于在冻结预训练编码器时缩小表示差距，并在法语以及中低资源语言斯洛文尼亚语和 Naija 上进行了全面评估，还考察了训练数据规模与预训练语音编码器中间层的影响。论文将发表于 Findings of EMNLP 2026。
arXiv · cs.CLAI 评分2828 Prosody-to-Text：从低通滤波语音预测文本
一项 arXiv 研究首次探索 prosody-to-text 任务，对 Whisper 进行微调，仅使用最低 12 个 Mel bins（约 450Hz 截止的低通滤波）恢复原句，WER 达 36%，其中 10% 的语句被完美还原，40% 的语句 WER 低于或等于 25%。给定正确前缀时，下一个 token 的预测准确率为 79%。结果表明低频语音特征与词汇内容的关联远强于以往认知，未来或可用韵律引导 LLM 的文本生成。
arXiv · cs.CLAI 评分2828 将英语质量分类器适配至多语言 LLM 预训练数据选择
一项 arXiv 研究提出把现有英语质量分类器改造为多语言版本的方法，用于超过 100 种语言的 LLM 预训练数据筛选。方法是在 Transformer encoder-only 模型嵌入上训练小型 MLP，以机器翻译文本的英语分类器评分作为标签。1B、3B 和 8B 规模实验显示其效果与现有多语言模型过滤基线相当，且不损害区域与文化知识 benchmark，分类器还能泛化到训练数据未覆盖的语言。
arXiv · cs.CLAI 评分2222 MH-INDIC：超越平均值的印度孕产健康 LLM 文化对齐评测框架
研究者提出 MH-INDIC 框架，通过 10 个孕产健康推理维度评测 LLM 在印度北部城市及半城市语境下的文化对齐，并基于对 102 名孕妇及产后女性的 26 项调查评估 10 个 LLM。结果显示多个模型可逼近人群级分布，但在不同人口与家庭画像上的行为差异显著低于真人群体。基于真人画像的条件化提示能提升画像对齐与对话质量评分。
arXiv · cs.CLAI 评分2020 音系感知分词用于德语语音识别：一项跨领域研究
该研究在 Omnilingual ASR wav2vec 2.0 骨干上以 CTC 微调，比较多语言字符、BPE 和基于 Pythen 音节划分的音系感知三类分词器，共进行 40 次微调，在三个德语测试集（域内朗读、方言自发、标准德语自发语音）上评估。域内各分词器在 WER 和 CER 上表现相当；小词表下音节感知分词在方言和自发语音上占优。音素混淆分析显示各分词器错误模式相同，表明错误拓扑主要由声学编码器而非分词器决定。
Hugging Face · 新模型：uncensored精选AI 评分5656 Qwen3.8-Flash-Next 的 MLX 量化包发布，4-bit 混合精度约 63 GB 可在 128 GB Mac 上运行
作者发布了 Qwen/Qwen3.8-Flash-Next 的 mlx-serve 4-bit 混合量化包（4-bit experts、8-bit 其余），该模型为 Qwen4 preview 架构（model_type: qwen4_exp），全量 checkpoint 为 125B trunk + 51B n-gram + 4B MTP，共 180B（bf16 360 GB）。实测在 M4 Max 128 GB 上常驻约 67-69 GB，decode 29-34 tok/s，25k token prompt prefill 约 400 tok/s。n-gram 表以单独 4-bit 文件 mmap 方式按需反量化，不占常驻显存；MTP 头可加载但当前比串行 decode 慢，默认关闭。
推荐理由：作者在 M4 Max 上给出了显存占用、decode 与 prefill 速度等实测数据，读者可以据此评估这个 180B 模型能否在自己机器上跑。
arXiv · cs.AIAI 评分3636 MIRA：用于对齐文本到音乐生成与用户意图的音乐意图精炼智能体
研究者提出 MIRA（Musical Intent Refinement Agent），将文本到音乐的意图对齐转化为逐项可验证的 rubric，并据此构建 MuRA-Bench 基准。MIRA 作为 test-time 智能体，在有限预算下对黑盒生成器搜索提示词修订，结合 rubric 验证进行轨迹感知的树搜索。实验显示 MIRA 提升意图对齐效果，使开源生成器达到与 Suno、Mureka 等商业系统相当的水平。
arXiv · cs.AIAI 评分3131 TaoD2C-Bench：面向工业级 UI 代码生成、超越视觉还原的 MLLM 评测基准
TaoD2C-Bench 发布，用于评测多模态大语言模型（MLLM）在工业设计转代码（D2C）中满足实现约束的 UI 代码生成能力。基准包含来自 17 个商业平台的 2,861 张生产级设计稿，共 97,652 条专家标注，涵盖 Component、Group、Alignment、Position 四类，并定义端到端代码生成、需求推断与需求实现三项任务。对八个 MLLM 的评测显示模型在满足实现需求上存在明显差距，且视觉还原能力并不等于能生成符合需求的代码；数据集已开源。
arXiv · cs.AIAI 评分3737 RoboQuest：面向搜索、检查与测试的通用物理智能体基准
RoboQuest 是一个目标导向具身探索基准，包含十项移动操作任务，覆盖搜索、基于操作的检查和交互测试三类不确定性。研究通过统一视觉运动接口评估五个前沿多模态智能体，以及在发布的全片段演示上微调的 π₀.₅ 策略，最佳智能体成功率仅 23%，微调策略几乎从不成功。失败分析显示智能体多在未观察到足够证据时过早停止探索，试错学习对多数模型仍然困难。
arXiv · cs.AIAI 评分4040 RoboJEPA：扩展机器人潜在世界模型
研究者推出基于 JEPA 架构的机器人世界模型 RoboJEPA，在覆盖 12 种机器人本体的大规模数据集上训练，参数量 8B，是迄今最大的 JEPA 预测模型。其想象误差随计算量呈二阶幂律，可预测下游机器人规划性能，是真实机器人评估的可靠代理指标。该模型可零样本部署为机器人智能体，朝单一目标图像规划完成长时程任务，模型 checkpoint、训练与部署代码均已开源。
arXiv · cs.AIAI 评分3434 Long-WAM：扩展世界-动作模型的上下文
Long-WAM 是一个在实时控制约束下扩展因果世界-动作模型上下文的模型-系统框架，核心发现是视频基础模型采用自回归（AR）预训练时，更长历史才能真正带来收益。在 RoboCasa GR-1 上，上下文从 0.0 秒增至 19.2 秒，成功率从 63.3% 提升至 78.7%，并在 LIBERO-Long、RoboTwin 2.0 和 DOMINO 上取得对比方法中的最佳结果。系统可在 RTX 5090、DGX Spark 和 Jetson AGX Thor 上部署，每个 action chunk 耗时 107.4 ms，在 Unitree G1 和 YAM 上实现动态杯叠 95% 成功率，而 Pi0.5 与 Fast-WAM 在 20 次尝试中均未成功。
arXiv · cs.AIAI 评分2222 少样本学习用于个性化自动疼痛评估
少样本学习（Few-Shot Learning）被用于自动疼痛评估的个性化建模，把人群级到受试者级的转变视为任务域偏移。在 BioVid、SenseEmotion 和 PMED 数据集上按 Leave-One-Subject-Out 协议测试，加入 k-shot 条件化后准确率分别提升至 86.25%、40.06%、83.43%、44.08% 和 91.25%。消融实验表明支持集条件化自适应可缓解受试者间差异。
arXiv · cs.AIAI 评分3636 SNAP：让合成困难负样本在视觉-语言预训练中生效的几何分析方法
一项 arXiv 研究分析了六种表示空间合成困难负样本策略迁移到视觉-语言预训练时的两种失败模式，并发现固定温度可提升下游性能。据此提出的 SNAP 只生成不涉及任一模态匹配正样本的模态内困难负样本，无需外部生成模型，训练时间开销低于 10%。在 CLIP 和 FLIP 上，SNAP 在 zero-shot 检索、zero-shot 分类和 linear probe 评测中均带来一致提升。
arXiv · cs.AIAI 评分3232 从天气预报到气候预测的 AI 路径：arXiv 综述提出 AI 气候建模的两条最低要求
Tom Beucler 等人在 arXiv 发表的综述指出，基于再分析数据训练的自回归深度学习模型在临近预报、中期及次季节尺度上已可比肩动力模式，并能以更低成本生成校准良好的集合预报。文章探讨其向气候尺度扩展的路径，提出 AI 气候建模的两条最低要求：外强迫因子须显式进入模型以支持独立变化的干预实验，且须在包括极端事件和反事实轨迹的分布外场景下进行稳健性压力测试。作者还比较了 AI 自回归模拟器、物理-AI 混合模型与 GPU 化动力模式的吞吐量，并指出 AI 降尺度策略可部分替代显式精细分辨率，助力低成本局地灾害评估。
arXiv · cs.AIAI 评分2727 DisParQ：基于自监督部件概念的可解释视觉基础模型方法
研究者提出 DisParQ，从冻结的 DINOv2 自监督骨干中学习空间定位的离散概念表示，无需类别标签和语言监督。该方法将图像 patch 分配到可学习原型字典中的概念，并用离散属性捕捉概念变化，空间解码器可从概念与属性重建骨干表示。在 ImageNet 线性探测上达到 83.2% top-1，接近其冻结教师模型，概念一致性高于语言对齐模型，并在 CUB、Cars 等细粒度数据集上保持竞争力。
arXiv · cs.AIAI 评分3535 UltraText Bench：评估图像生成中视觉文字渲染的双语综合基准
研究者推出 UltraText Bench，一个针对密集视觉文字渲染的双语图像生成评测基准，包含 432 个提示词，覆盖 24 个真实场景类别和三个难度级别，中英文各占一半。基准使用 Q-Judger 视觉语言模型从文字保真度、清晰度、空间质量和场景质量四个维度打分，并辅以 10 人参与的人工评估。在 24 个模型配置中，Qwen-Image-2512 的英文综合分从 L1 的 86.50 降至 L3 的 42.86，Z-Image-Turbo 相比 Z-Image-Base 清晰度提升 3.81 分但保真度下降 14.76 分。
arXiv · cs.AI精选AI 评分5252 PaTh 论文提出在扩散模型中引入递归潜空间推理，无需符号监督
Paweł Skierś 在 arXiv 论文中提出 Painter-Thinker（PaTh）：一个小型递归网络在每个去噪步骤内细化潜状态，经 ControlNet 适配器引导冻结的扩散模型，仅用重建损失训练，无需符号目标、求解器或验证器。PaTh 解决 92.5% 的困难 MNIST Sudoku（此前最优 75%）和 71.2% 的极难样本（此前最优 4.1%），参数量 10M 对比标准扩散模型的 82M，在迷宫、Queens 和 CLEVR 场景上也有提升。
推荐理由：论文把递归推理引入扩散模型且无需符号监督，并给出与既有最优方法的解题率对比，方法细节可直接参考。
arXiv · cs.CLAI 评分3131 InterView-C：基于 VR 头像的同步多模态调查访谈语料库
研究者发布德语多模态语料库 InterView-C，包含 27 场完全在 VR 中进行、双方以头像呈现的调查访谈，共 54 段录音，同步对齐语音与注视、头身运动、面部、手部追踪等行为数据，并提供人工校对的逐词转录及 1,422 句否定线索与范围标注（双重标注 α=0.87/0.81）。实验显示九个开源 ASR 系统易误识短答和数词，而在该语料库上训练的否定检测模型优于现有语料训练的模型。
arXiv · cs.CLAI 评分1919 GAGR-Lab：评估空间几何与分析函数联合推理能力
研究者提出 GAGR-Lab，一个通过笛卡尔游戏场景和 Rust 轨迹执行来测量空间感知、几何关系与函数构建等联合推理能力的评估框架。试点中 Llama 3.2 11B Vision Instruct 在 72 个游戏、432 次尝试中无一命中目标，而特权解析搜索控制在 300 个场景的 600 个方向性用例上全部成功。框架将服务可靠性、符号合规与几何成功分离，完整难度矩阵和多模型对比仍待测试。
arXiv · cs.CLAI 评分2020 用大语言模型实现爱沙尼亚语的文档级文本简化
一项发表于 LREC 2026 的研究评估了五个多语言 LLM 在爱沙尼亚语文档级文本简化上的表现，比较了单次生成、模块化 Agent 流水线和 guideline 增强流水线三种提示策略。结果显示 Gemini-2.0 和 LLaMA-3.3 输出接近母语流畅度且语义保持良好，其他模型则存在明显语法与语义缺陷。研究还提出了文档级连贯性指标并公开了相关资源。
arXiv · cs.CLAI 评分3333 BanglaRhet：评测经典与 Transformer 模型在孟加拉政治演讲中的修辞与说服检测
研究者发布 BanglaRhet 基准，基于 30,289 段人工标注的孟加拉政治演讲语料，开展修辞手法与说服技巧检测两项单标签分类任务。在 BanglaBERT、BanglaBERT-Base、SahajBERT、XLM-RoBERTa-Base 与 TF-IDF 经典基线的对比中，BanglaBERT 表现最佳，两项任务分别取得 65.40% 和 66.46% macro-F1，超过最优经典基线 19.2 和 13.8 分。错误主要源于标签语义重叠、比喻语言和类别不平衡。
arXiv · cs.CLAI 评分3232 无边界上下文偏置：深度自适应门控与读音空间匹配，面向日语中文等无分词语言的 ASR
研究者提出一种面向冻结公共 CTC 模型的无边界上下文偏置解码器，基于字符级 Aho-Corasick 自动机，无需训练和第二遍解码。在 Aishell-1 NE 的困难 R1 子集上召回率达 66.5%，超过训练过的 CLAS 基线（64%），并可不经调参迁移至 WenetSpeech 和第二种架构。团队还发布了首个开源日语上下文偏置基准，稀有词召回在精确率超 97% 时提升 25 点，对 1,000 词列表仍分别提升 19 和 22 点。