arXiv · cs.CL· Chenyang Le·· 19 小时前AI 评分21
CRESiST：面向同声语音翻译的自我增强探索式策略学习
CRESiST: Self-Enhancing Explorative Policy Learning for Simultaneous Speech Translation
来源与原文
arXiv · cs.CL
作者：Chenyang Le
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.06501v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
CRESiST 提出基于全模态 LLM 的端到端交错读写框架，通过交错语音块与文本 token 实现完整 KV cache 复用，原生支持免分割、无限长流式推理。研究引入 Actor-Critic 自我增强管线，由 RNN-T Actor 采样读写轨迹、LLM Critic 依据语义与延迟内在奖励评估并蒸馏最优策略。在 FLEURS、CoVoST2、MuST-C、ACL 60/60 等基准上建立了新的质量-延迟 Pareto 前沿，该论文已被 NeurIPS 2026 接收。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。