网易有道开源 Confucius4-R2T2:永不改口的流式语音识别模型
_akhaliq · x · 2026-11-06
网易有道在 arXiv 发布论文 Confucius4-R2T2,一个「稳定前缀」流式 ASR 模型,保证输出后不再修改先前内容,适合翻译器、语音 agent 等逐 token 消费识别结果的机器场景——避免 revise 带来的无效工作或错误动作。
核心做法:基于新提出的 Longest Stable Prefix(LSP)概念,证明其在前缀序下单调且与全音频输出一致;以 LSP 标签对 Qwen3-ASR-1.7B 做后训练(1500 小时中英文音频,冻结预训练音频编码器与投影层),无需任何架构改动即可把全上下文模型转为稳定流式模型。
评测显示 R2T2 将流式识别质量逼近基座模型的全上下文水平,同时保持低发射延迟;收益还泛化到后训练语言之外。模型权重与代码已开源。
「模型」频道最新
- 每日简报:GPT-6.2 曝光、Claude 推理财助手、METR 称模型进度加速 1.9 倍 — testingcatalog · 2026-11-06
- 转向 Qwen3 单个 MoE 专家可让模型自称「有点困惑但还在」 — Sauers_ · 2026-11-06
- 28849 次测试横评 9 款编码 Agent 框架，最大差距 24 分 — victor_explore · 2026-11-06
- 腾讯 Hy4 设计基准排第4,距 GPT-6.1 Sol 仅差0.1分且便宜41% — ShunyuYao12 · 2026-11-06
- 安全从业者喊话前沿LLM：别把暴露漏洞当营销，网络防御该换叙事了 — AccBalanced · 2026-11-06
- 腾讯混元 Hy4 登顶 APEX-Agents 开源模型榜，Pass@1 达 77.6% — ShunyuYao12 · 2026-11-06