Apple（苹果）

Scaling Properties of Continuous Diffusion Spoken Language Models

连续扩散口语语言模型的可扩展性特性

Jason Ramapuram, Eeshan Gunesh Dhekane, Amitis Shidani, Dan Busbridge, Bogdan Mazoure, Zijin Gu, Russ Webb, Tatiana Likhomanenko, Navdeep Jaitly

机构 * Apple（苹果公司） 纠错

AI总结 本文研究连续扩散口语语言模型在性能上的可扩展性，提出基于音素Jensen-Shannon散度的评估指标，发现其在参数规模增加时生成质量提升，但长文本连贯性仍面临挑战。

Geometry Preserving Loss Functions Promote Improved Adaptation of Blackbox Generative Model

几何保持损失函数促进黑盒生成模型的改进适应

Sinjini Mitra, Constantine Kyriakakis, Shenyuan Liang, Anuj Srivastava, Pavan Turaga

机构 * Geometric Media Lab（几何媒体实验室） ； Arizona State University（亚利桑那州立大学） ； Department of Statistics（统计学系） ； Florida State University（佛罗里达州立大学） ； Department of Computer Science and Engineering（计算机科学与工程系） ； Seoul National University of Science and Technology（首尔科学技术大学） ； Amazon（亚马逊） ； Apple Inc.（苹果公司） 纠错

AI总结 本文提出基于几何保持损失函数的端到端管道，用于改进黑盒生成模型的领域适应，通过重新上下文化GAN反向过程来获得准确的潜在空间表示。

PhySE: A Psychological Framework for Real-Time AR-LLM Social Engineering Attacks

PhySE: 一种用于实时AR-LLM社会工程攻击的心理学框架

Tianlong Yu, Yang Yang, Ziyi Zhou, Jiaying Xu, Siwei Li, Tong Guan, Kailong Wang, Ting Bi

机构 * Hubei University（湖北大学） ； Apple Inc（苹果公司） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 PhySE通过视觉语言模型的社会上下文训练和自适应心理代理，解决AR-LLM社会工程攻击中的冷启动个性化和静态攻击策略问题，提升实时交互效果。

Uncertainty Quantification for LLM Function-Calling

大语言模型函数调用的不确定性量化

Zihuiwen Ye, Lukas Aichberger, Michael Kirchhof, Sinead Williamson, Luca Zappella, Yarin Gal, Arno Blaas, Adam Golinski

机构 * University of Oxford（牛津大学） ； Apple（苹果公司） 纠错

AI总结 本文研究了大语言模型函数调用中不确定性量化的关键问题，发现多样本方法在自然语言问答中表现优异，但在函数调用场景中不如单样本方法有效，并提出利用函数调出输出特性改进现有方法。

Stochastic KV Routing: Enabling Adaptive Depth-Wise Cache Sharing

随机KV路由：实现自适应深度-wise缓存共享

Anastasiia Filippova, David Grangier, Marco Cuturi, João Monteiro

机构 * Apple（苹果公司） 纠错

AI总结 本文提出通过随机跨层注意力机制实现高效的深度-wise缓存共享，减少内存占用并提升推理效率。