NVIDIA推Voice Memory：用可编辑记忆文件优化语音识别
nvidia · hf · 2026-07-31
NVIDIA 提出了用于 Agent 语音识别的推理阶段方案 Voice Memory。该方案采用“听者-思考者”架构，核心机制如下：
- 听者：在流式推理时，读取特定领域的 memory.md 文件，决定是否对当前识别结果进行修正。
- 思考者：异步更新该记忆文件，仅在严格提升验证集分数时才接受修改。
这种设计无需改变模型权重，使学到的技能具备可审计性和可移植性。实验显示，无约束的生成式纠错往往会“过度修正”，破坏正确词汇（在财经新闻中破坏率高达 64%），而 Voice Memory 将该破坏率降至 35%。在十个测试领域中，该方案将加权词错率（WWER）从 8.36% 降至 7.52%，且未增加任何推理参数。
「研究」频道最新
- 非可逆聚合算子的高效滑动窗口算法引开发者点赞 — Paimaamu · 2026-10-16
- 5 万条编造数据被 ChatGPT 引用：GEO 实验揭示 AI 搜索漏洞 — metehan777 · 2026-10-16
- DeepMind 用 Antigravity 加速科研，一次会话筛出新型抗菌肽 — pushmeet · 2026-10-16
- 博主纠正生成模型讨论:这不是梯度下降问题,而是 mode collapse — burny_tech · 2026-10-16
- Causal Inference 入门系列开更,第一部分上线 — Nasereliver · 2026-10-16
- RIKEN 新法 FBI:训练更新只需一次采样,Pass@10 成本降至 12.3% — EmtiyazKhan · 2026-10-16