LAION 发布 14 亿样本音频语料库，CLAP2-L 登顶 MAEB-30 达 53.6%
serrjoa · x · 2026-11-12
LAION 团队发布 LAION-Audio-XL 语料库与 CLAP2 系列模型（arXiv:2611.11592）。
- 从学术数据集、网络集合、Common Crawl、YouTube 等收集 14.8 亿音频样本，经多阶段清洗管线处理，最终得到 3.65 亿音频-文本对（139 万小时、7.07 亿条字幕），缺失字幕的样本用模型生成短长两种字幕
- 基于 NaFlex 架构的音频编码器研究对比式音频-语言预训练的 scaling 行为，发现在给定算力预算下模型规模与数据量之间存在权衡（最优数据量增长快 1.4 倍）
- 从头训练五个 CLAP2 模型，CLAP2-L 在 MAEB-30 达 53.6%，为榜单上最佳 CLAP 模型，在 MAEB 与 HEAR 基准上超越同规模先前模型
- 数据集、字幕、模型权重与代码全部开源
「研究」频道最新
- 开源个性化 mRNA 癌症疫苗设计:为胰腺癌患者 Yash 而做 — xennygrimmato_ · 2026-11-12
- Georgia Tech 教授 Molei Tao 招收扩散语言模型方向博士生与博后 — gautamcgoel · 2026-11-12
- HF 研究员主张用效率增益指标取代最终 benchmark 分数 — eliebakouch · 2026-11-12
- 研究者提议:AI 进展评估应报告效率增益指标,而非只看最终跑分 — eliebakouch · 2026-11-12
- RoboCap-10k 发布：1 万小时带度量动作的开放式机器人数据集 — databoydg · 2026-11-12
- Google Research 用可穿戴设备做心血管-肾-代谢风险画像与个性化健康指导 — Google Research · 2026-11-12