Google（谷歌）

Engineering Robustness into Personal Agents with the AI Workflow Store

通过AI工作流存储增强个人代理的鲁棒性

Roxana Geambasu, Mariana Raykova, Pierre Tholoniat, Trishita Tiwari, Lillian Tsai, Wen Zhang

机构 * Columbia University and Google（哥伦比亚大学和谷歌） ； Google（谷歌） 纠错

AI总结 本文探讨将严谨的软件工程流程整合到代理循环中，以生成可靠、安全且确定性约束的代理工作流，提升高风险场景下的性能。

NaijaS2ST: A Multi-Accent Benchmark for Speech-to-Speech Translation in Low-Resource Nigerian Languages

NaijaS2ST：低资源尼日利亚语言的多口音语音到语音翻译基准

Marie Maltais, Yejin Jeon, Min Ma, Shamsuddeen Hassan Muhammad, Idris Abdulmumin, Maryam Ibrahim Mukhtar, Daud Abolade, Joel Okepefi, Johnson Sewedo, David Ifeoluwa Adelani

机构 * Mila - Quebec AI Institute（魁北克人工智能研究所） ； McGill University（麦吉尔大学） ； Google DeepMind（谷歌DeepMind） ； Hausa NLP（豪萨自然语言处理） ； Imperial College（帝国理工学院） ； University of Pretoria（南非彼得里亚大学） ； Masakhane NLP（马萨坎自然语言处理） ； Naijá Wikipedia Community（尼日利亚维基百科社区） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

AI总结 针对低资源非洲语言语音翻译数据稀缺问题，构建了涵盖伊博语、豪萨语、约鲁巴语和尼日利亚皮钦语的平行语音数据集NaijaS2ST（每语种约50小时），并系统评估了级联、端到端及音频大模型方法，发现少样本音频大模型在语音到文本翻译中更优，而语音到语音翻译中所有范式性能相近。

Comments Preprint

Pass@K Policy Optimization: Solving Harder Reinforcement Learning Problems

Pass@K 策略优化：解决更困难的强化学习问题

Christian Walder, Deep Karkhanis

机构 * Google DeepMind（谷歌DeepMind） 纠错

AI总结 提出 Pass-at-k 策略优化 (PKPO)，通过变换奖励直接优化 pass@k 性能，利用低方差无偏估计器，在训练中退火 k 可同时提升 pass@1 和 pass@k，解决更难问题。