Baidu（百度）

TS-RAG: Retrieval Augmented Generation for Time Series Forecasting

TS-RAG：面向时间序列预测的检索增强生成

Yixiong Xiao, Congxi Xiao, Jingbo Zhou

机构 * Baidu, Inc.（百度公司） 纠错

AI总结 针对时间序列预测模型的局限，提出TS-RAG框架，引入参考token融合输入与检索序列信息，在多个真实预测基准上实现最优性能。

Temporal Bridges for Spatial Resolution: Enhancing Climate Data Super-Resolution with Bidirectional Alignment

用于空间分辨率的时间桥：通过双向对齐增强气候数据超分辨率

Yichen Zhang, Yixiong Xiao, Congxi Xiao, Jingbo Zhou

机构 * Baidu, Inc.（百度公司） 纠错

AI总结 针对现有气候数据超分辨率模型忽略时间相关性的问题，提出带双向时间对齐的Temporal-Enhanced框架，通过配对潜在映射、双向时间对齐和时序增强超分实现性能提升，在大规模真实数据集上表现优越。

Beyond Residual Connections: Manifold-Constrained Hyper-Connections for Robust Speaker Representation Learning

超越残差连接：用于鲁棒说话人表示学习的流形约束超连接

Zezhong Jin, Xiaoyu Wang, Zhe Li, Chong-Xin Gan, Zilong Huang, Man-Wai Mak, Kong Aik Lee

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Baidu Inc.（百度公司） ； The University of Hong Kong（香港大学） 纠错

AI总结 该研究针对残差连接的信息流限制问题，提出流形约束超连接（mHC）方法，替换多种主干网络的残差连接后，在VoxCeleb1数据集上持续提升了说话人表示学习的性能。

Comments Accepted to INTERSPEECH 2026

Woodpecker Distillation: Weak Models Diagnose Reasoning Bugs in Strong Models

啄木鸟蒸馏：弱模型诊断强模型中的推理错误

Dayu Wang, Jiaye Yang, Weikang Li, Jiahui Liang, Yang Li, Deguo Xia, Jizhou Huang

机构 * Baidu Inc.（百度公司） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 该研究提出Woodpecker Distillation框架，通过弱模型的局部干预对比学习，修复强模型的推理错误，在数学推理基准上提升了强模型性能且优于直接模仿基线。