Speech-Hands: A Self-Reflection Voice Agentic Approach to Speech Recognition and Audio Reasoning with Omni Perception
NVIDIA；Kyoto University（京都大学）；Carnegie Mellon University（卡内基梅隆大学）
本文提出Speech-Hands框架，通过自我反思决策机制解决语音识别和外部声音理解任务中的信任问题，提升了模型在多任务音频推理中的准确性和鲁棒性。
2026-05-18 cs.AI cs.CL cs.MA
Formalizing the Moral Evaluation of Speech Acts: Truthfulness, Lies and Ethical Dilemmas
Sorbonne University（索邦大学）；CNRS（法国国家科学研究中心）
针对生死情境中善意谎言与真相的道德冲突，提出基于智能体信念的逻辑框架，在ASP中实现，评估义务论、后果主义与原则主义下的话语，并以萨特《墙》为例验证，且框架可通过调整参数适应新情境。
2026-10-06 cs.AI cs.LO cs.MA
Free Speech and Artificial Intelligence
University of Ottawa（渥太华大学）
本文分析社交媒体推荐算法、对话式AI两类技术引发的言论自由问题，探讨AI主体言论权利、用户信息权及平台/开发者法人言论权，旨在提出AI发展带来的相关问题。
2026-09-01 cs.AI cs.CY
What the Waveform Knows: Transparent-first Speech and Audio Intelligence with Caption Studio
Faculty of Science, Agriculture, and Engineering, Newcastle University Singapore（新加坡纽卡斯尔大学科学、农业与工程学院）；School of Information and Control Engineering, Qingdao University of Technology（青岛理工大学信息与控制工程学院）；Department of EEE, Amrita School of Engineering, Amrita Vishwa Vidyapeetham（阿姆瑞塔工程学院电气与电子工程系，阿姆瑞塔大学）
研究借助字幕工作室平台实现透明优先的语音和音频智能。核心方法是构建基于FastAPI的三层架构系统。主要贡献为提出透明优先框架，明确指标性质，提升语音分析的可追溯性、可解释性与可靠性，还介绍了相关系统架构等内容。
2026-07-22 cs.AI cs.SD
DuplexCascade: Full-Duplex Speech-to-Speech Dialogue with VAD-Free Cascaded ASR-LLM-TTS Pipeline and Micro-Turn Optimization
SB Intuitions Corp.（SB Intuitions公司）；The University of Tokyo（东京大学）
DuplexCascade通过无VAD级联流水线和微轮询优化，实现全双工语音对话的高效交互与强对话智能。
2026-03-10 cs.AI cs.CL
The Computational Structure of Unintentional Meaning
Princeton University（普林斯顿大学）；The MITRE Corporation（MITRE公司）
言语行为既有字面意义，也有语用意义，但这两种意义都涉及说话者通常想要的后果。言语行为也可以有非故意的意义，其中所传达的内容超出了意图。在这里，我们提出了一个贝叶斯分析如何，一个听众，话语的意义可以显着不同于扬声器的意图。我们的模型强调如何理解言语行为的有意和无意的意义，要求听众参与复杂的基于模型的观点采择和推理的历史状态的世界，彼此的行动，和彼此的观察。为了测试我们的模型，我们让人类参与者对说话者发出的可能被解释为故意侮辱或无意失礼的话语进行判断。在阐明具有无意意义的言语行为的机制时，我们的解释提供了对沟通功能和故障的洞察。
2019-06-03 cs.AI cs.CL cs.LG
Harnessing Artificial Intelligence to Combat Online Hate: Exploring the Challenges and Opportunities of Large Language Models in Hate Speech Detection
Arizona State University（亚利桑那州立大学）
本研究通过文献综述与实证分析，探讨大语言模型在仇恨言论检测中的能力与限制，识别表现优异的模型及其影响因素。
2024-03-12 cs.AI cs.CL
SpeechEQ: Benchmarking Emotional Intelligence Quotient in Socially Aware Voice Conversational Models
New York University（纽约大学）；NVIDIA（英伟达）；Carnegie Mellon University（卡内基梅隆大学）；NYU Shanghai（上海纽约大学）
提出SpeechEQ框架，基于EQ-i 2.0理论构建2265个对话数据集，通过口语情商(SEQ)评分评估语音语言模型在主动多轮对话中的副语言社交线索推理能力，揭示端到端模型存在模态捷径、安全陷阱和上下文遗忘等瓶颈。
2026-11-03 cs.AI cs.CL cs.SD
Chatting with Bots: AI, Speech Acts, and the Edge of Assertion
Monash University（莫纳什大学）；Canadian Institute for Advanced Research（加拿大高等研究院）
本文围绕大语言模型聊天机器人能否断言的问题，梳理支持与反对聊天机器人断言论题（TCA）的依据，指出代理断言、虚构主义两种方案的不足，提出原断言范畴以化解相关两难困境。
2024-10-22 cs.AI cs.CL
Conversion of Acoustic Signal (Speech) Into Text By Digital Filter using Natural Language Processing
National Institute of Technology, Rourkela（鲁尔凯拉国家理工学院）
语音识别是日常生活中交流的一个重要方面。基于自然语言处理的语音识别是一个系统向另一个系统转换的基本要素之一。在本文中，我们创建了一个接口，使用数字滤波器将语音和其他听觉输入转换为文本。与这种转换的许多方法相反，也有可能偶尔出现语言故障，性别识别，不成功的语音识别（无法识别语音）和性别识别失败。由于涉及到技术问题，我们开发了一个程序，作为一个调解人，以防止启动软件问题，以消除即使是这个小的偏差。其计划中的MFCC和HMM与其AI系统同步。因此，避免了技术错误。
2022-09-09 cs.AI
SpeechIQ: Speech-Agentic Intelligence Quotient Across Cognitive Levels in Voice Understanding by Large Language Models
Kyoto University（京都大学）；NVIDIA；Carnegie Mellon University（卡内基梅隆大学）；Institute of Science Tokyo（东京科学研究院）
SpeechIQ是一种基于语音的智能评估框架，通过三个认知层级评估大型语言模型在语音理解中的能力，提供统一的比较和识别标注错误与幻觉。
2025-12-01 cs.AI cs.CL cs.SC
EmotionAI: A Privacy-Preserving Computational Intelligence Pipeline for Speech-Emotion-Grounded Conversational Analysis
School of Science and Technology, Nottingham Trent University（诺丁汉特伦特大学科学与技术学院）
提出一种完全本地的计算智能流水线，结合语音情感识别与生成式推理，实现隐私保护的对话情感分析，在RAVDESS数据集上达到48.8%准确率，零外部调用。
2026-07-28 cs.AI cs.SD
An Artificial Intelligence Browser Architecture (AIBA) For Our Kind and Others: A Voice Name System Speech implementation with two warrants, Wake Neutrality and Value Preservation of Personally Identifiable Information
Massachusetts Insitute of Technology（麻省理工学院）；Harvard University（哈佛大学）
对话式商务首先由苹果的Siri开创，是基于始终在线的人工智能系统的第一个应用程序，该系统自行决定何时与环境交互，可能收集24 x7纵向训练数据，这些数据通常是个人身份信息（PII）。大量的学术论文，根据简单的谷歌学术搜索，大约有一百万篇，表明如果数据集足够大，就像在其他领域发生的那样（例如GPT 3），许多健康状况的治疗，包括COVID-19和痴呆症，可以通过这些数据得到极大的改善。相比之下，目前的主流系统是没有尾流中性的封闭花园解决方案，并且由于IRB和Cohues类型的限制，无法充分利用他们所拥有的PII数据。我们提出了一个语音浏览器和服务器架构，旨在解决这两个限制，提供唤醒中立性和处理PII的可能性，旨在最大限度地提高其价值。我们已实施此浏览器以收集语音样本，并已成功证明其可捕获超过200.000个COVID-19咳嗽样本。我们所提出的架构被设计成可以超越我们的种类进入其他领域，例如从车辆收集声音样本，从自然界收集视频图像，可摄取机器人，多模态信号（EEG，EKG，...），甚至与其他种类的动物如狗和猫互动。
2022-04-01 cs.AI cs.HC
Unified Audio Intelligence Without Regressing on Text Intelligence
Nemotron-Labs（Nemotron实验室）
本文提出统一音频-文本大语言模型Audex，通过单Transformer解码器架构与多阶段训练，在实现多音频任务SOTA性能的同时，几乎不损失骨干文本LLM的原有文本智能能力。
2026-07-08 cs.AI cs.CL cs.LG
Assessing clinical utility of Machine Learning and Artificial Intelligence approaches to analyze speech recordings in Multiple Sclerosis: A Pilot Study
Charles University（查理大学）；Czech Technical University in Prague（布拉格捷克理工大学）；General University Hospital（综合大学医院）；Brigham and Women’s Hospital（布莱根妇女医院）；Harvard Medical School（哈佛医学院）；Johns Hopkins University（约翰斯·霍普金斯大学）
背景资料：多发性硬化症的早期诊断以及准确的疾病进展监测是成功的疾病管理的重要组成部分。先前的研究已经确定多发性硬化症与言语差异相关。早期使用客观声学测量的研究发现了可测量的构音障碍。目的：确定机器学习和深度学习/人工智能方法的潜在临床实用性，用于使用语音记录辅助多发性硬化症的诊断、生物标志物提取和进展监测。研究方法：一个语料库的65 MS阳性和66个健康的人大声朗读相同的文字被用于有针对性的声学特征提取，利用自动音素分割。训练、调整和评估一系列二元分类模型的准确度和曲线下面积。结果如下：随机森林模型表现最好，在验证数据集上实现了0.82的准确度，在训练数据集上的5 k倍循环中的曲线下面积为0.76。7个声学特征中有5个具有统计学意义。结论：机器学习和人工智能在自动分析语音记录以帮助MS诊断和进展跟踪方面似乎很有前途。需要进一步临床验证这些方法及其映射到多发性硬化症的进展，以及验证英语人群的实用性。
2021-09-27 cs.AI eess.AS q-bio.NC
Artificial Intelligence, speech and language processing approaches to monitoring Alzheimer's Disease: a systematic review
Usher Institute, Edinburgh Medical School, The University of Edinburgh（爱丁堡大学爱丁堡医学院厄舍研究所）；Centre for Dementia Prevention, The University of Edinburgh（爱丁堡大学痴呆预防中心）
语言是阿尔茨海默病临床信息的宝贵来源，因为它与神经变性同时下降。因此，语音和语言数据已被广泛研究与其诊断。本文总结了当前关于使用人工智能、语音和语言处理来预测阿尔茨海默病背景下认知能力下降的研究结果，详细介绍了当前的研究程序，强调了其局限性，并提出了解决这些问题的策略。我们对2000年至2019年期间在PROSPERO（参考CRD 42018116606）中注册的原始研究进行了系统性综述。跨学科检索涵盖了工程学（ACM和IEEE）、心理学（PsycINFO）、医学（PubMed和Embase）和Web of Science的六个数据库。相关论文的参考书目筛选至2019年12月。根据合格性标准，从3，654个检索结果中选择了51篇文章。四个表格总结了他们的研究结果：研究细节（目的、人群、干预措施、比较、方法和结局）、数据细节（规模、类型、模式、注释、平衡、可用性和研究语言）、方法（预处理、特征生成、机器学习、评价和结果）和临床适用性（研究意义、临床潜力、偏倚风险和优势/局限性）。虽然几乎所有51项研究都报告了有希望的结果，但很少有在临床研究或实践中实施。我们的结论是，该领域的主要局限性是标准化差，结果的可比性有限，以及研究目的和临床应用之间的脱节程度。缩小这些差距的努力应该支持未来研究转化为临床实践。
2020-10-12 cs.AI cs.CL eess.AS
Artificial Intelligence for Cochlear Implants: Review of Strategies, Challenges, and Perspectives
University of Medea（迈迪亚大学）；Qatar University（卡塔尔大学）；United Arab Emirates University（阿联酋大学）
本综述全面梳理了人工智能在人工耳蜗语音识别与增强领域的研究进展，总结相关指标、数据集与最优结果，探讨应用前景并提出未来研究方向。
2025-01-12 cs.AI cs.CV eess.AS
Semantics and Conversations for an Agent Communication Language
我们解决的问题，语义和会话的智能体通信语言和知识查询操作语言（KQML）特别是。从言语行为理论的思想的基础上，我们提出了一个语义描述KQML相关联的“认知”状态的代理使用语言的原语（施为）。我们已经使用这种方法来描述整个保留的KQML施为式集的语义。基于语义，我们设计了会话策略，即，一个正式的描述如何KQML施为可能被组合成KQML交换（会话），使用一个确定的子句语法。我们的研究提供了一个基于言语行为理论的语义描述的语言的通信行为和规范的协议与这些行为的方法。通信行为的语言解决了软件应用程序之间的通信问题，在一个抽象的层次上，这是有用的新兴软件代理范例。
1998-09-18 cs.AI cs.MA
Dürfen Maschinen denken (können)? Warum Künstliche Intelligenz eine Ethik braucht. (Are Machines Allowed to (be able to) Think? Why Artificial Intelligence Needs Ethics)
小组讨论会“机器能思考吗？”的冲动讲座演讲稿（德语+英语）2022年5月28日在斯图加特举行的第102届Katholikentag。小组：Winfried Kretschmann（MdL，巴登-符腾堡州总理，斯图加特），Ursula Nothelle-Wildfeuer（弗赖堡），Michael Resch（斯图加特），Karsten Wendland（Aalen）。主持人：Stefanie Rentsch（Fulda）。观众辩护律师：Verena Neuhausen（斯图加特）。
2022-08-15 cs.AI cs.CY
Automatic Speech Recognition for the Basaà Language: A Low-Resource Approach
针对低资源语言巴萨语，提出一种自动语音识别方法，利用深度神经网络和Transformer架构，旨在解决资源匮乏语言的技术鸿沟。
2026-09-29 cs.AI cs.CL
MindGPT: Advancing Human-AI Interaction with Non-Invasive fNIRS-Based Imagined Speech Decoding
本文提出 MindGPT，首个基于非侵入式高密度 fNIRS 解码想象语音并连接大语言模型的思想到 LLM 系统，推动人机无缝交互。
2024-07-25 cs.AI cs.HC
Questions to Guide the Future of Artificial Intelligence Research
机器学习领域主要集中在智能的离散化子问题（即视觉、语音、自然语言）上。而神经科学往往是观察重，提供很少的指导理论。人工智能不太可能只通过其中一个学科出现。相反，它很可能是他们的算法和观察发现的某种融合。因此，为了选择这两个领域的有益方面，应该解决一些问题。在这篇文章中，我们提出了引导未来人工智能研究的主要问题。大脑运作有明确的计算原则。问题是在生物复杂性的干草堆中找到这些计算针。生物学有明确的限制，但如果不把它作为指导，我们就是在限制自己。
2020-03-10 cs.AI cs.NE
Dependency Dialogue Acts -- Annotation Scheme and Case Study
University of Colorado Boulder（科罗拉多大学博尔德分校）；University of California Santa Cruz（加州大学圣克鲁兹分校）
在本文中，我们介绍了依赖性对话行为（DDA），一个新的框架捕捉结构的说话人的意图在多方对话。DDA结合并改编了现有对话注释框架的特点，强调对话的多关系应答结构，强调对话行为和修辞关系。它表示多方多线程会话中的功能、话语和响应结构。DDA与现有的对话注释框架（如SWBD-DAMSL和ISO 24617-2标准）有几个关键特性区别。首先，DDA优先考虑对话单位和对话语境的关系结构，将对话行为和修辞关系都注释为对特定话语的反应关系。其次，DDA支持对话中的重载，鼓励注释者为每个对话单元指定多个响应关系和对话行为。最后，DDA强调充分捕捉说话者如何使用完整的对话上下文来计划和组织他们的演讲。有了这些功能，DDA是高度表达和回忆为导向的多个扬声器之间的对话动态。在下文中，我们将介绍DDA注释框架和在多方多线程会话中注释DDA结构的案例研究。
2023-02-25 cs.AI cs.CL
Data Center Audio/Video Intelligence on Device (DAVID) -- An Edge-AI Platform for Smart-Toys
DTS；C3 Imaging Research Center（C3成像研究中心）；Xperi Corporation（Xperi公司）；University of Galway（戈尔韦大学）
本文介绍了DAVID智能玩具平台，通过神经推理模型与传感器协同实现低功耗边缘AI数据处理及设备内语音生成，确保隐私数据不外传以合规，并展示了泰迪熊与狗形机器人两种实现方案。
2023-11-18 cs.AI cs.CY cs.HC
Mimetic Models: Ethical Implications of AI that Acts Like You
University of Toronto（多伦多大学）；Cornell University（康奈尔大学）；Microsoft Research（微软研究院）
人工智能研究中的一个新兴主题是创建模型来模拟特定人的决策和行为，包括游戏，文本生成和艺术表达。这些模型超越了早期的方法，因为它们是为个人量身定制的，并且它们是为交互而设计的，而不仅仅是复制固定的、预先计算的行为。我们称之为模仿模型，在本文中，我们开发了一个框架，其日益增长的可用性所提出的道德和社会问题的特点。我们的框架包括一些不同的情况下使用这样的模型，并考虑了一系列不同的参与者，包括目标建模，运营商谁部署的模型，以及与它交互的实体的影响。
2022-07-19 cs.AI cs.CY
Benchmarking Contextual and Paralinguistic Reasoning in Speech-LLMs: A Case Study with In-the-Wild Data
Institute of Infocomm Research (I 2 R)（信息通信研究所）
针对语音大语言模型在副语言推理上的不足，提出CP-Bench基准，通过两个QA数据集评估模型整合言语与非言语线索的能力，揭示现有评估空白，为构建情感智能语音模型提供方向。
2025-09-24 cs.AI cs.CL
Soundwave: Less is More for Speech-Text Alignment in LLMs
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
针对端到端语音 LLM 依赖大规模标注数据的问题，本文提出 Soundwave，通过高效训练策略和新架构弥合语音-文本表示与序列长度差异，仅用 1/50 数据便在语音翻译和 AIR-Bench 上超过 Qwen2-Audio，并保持对话智能。
2025-02-18 cs.AI cs.CL cs.SD
Adobe-MIT submission to the DSTC 4 Spoken Language Understanding pilot task
Adobe Research（奥多比研究院）；MIT（麻省理工学院）；Massachusetts Institute of Technology（麻省理工学院）
对话状态跟踪挑战4（DSTC 4）提出了几个试点任务。在本文中，我们专注于口语语言理解试点任务，其中包括标记一个给定的话语与言语行为和语义槽。我们比较不同的分类器：最好的系统在语音行为识别测试集上对游客和导游分别获得0.52和0.67的F1分数，并且对导游和游客都获得0.52的语义标注F1分数。
2016-05-07 cs.AI cs.CL cs.LG
The Second Conversational Intelligence Challenge (ConvAI2)
Facebook AI Research（Facebook人工智能研究）；Moscow Institute of Physics and Technology（莫斯科物理技术学院）；University of Montreal（蒙特利尔大学）；McGill University（麦吉尔大学）；Carnegie Mellon University（卡内基梅隆大学）；Microsoft Research（微软研究院）
我们描述了ConvAI 2 NeurIPS竞赛的设置和结果，该竞赛旨在进一步发展开放域聊天机器人的最新技术。比赛的一些关键要点是：（i）预训练的Transformer变体是目前在该任务上表现最好的模型，（ii）但是为了提高与人类的多轮对话的性能，未来的系统必须超越诸如困惑度的单个单词度量来测量跨话语序列的性能（对话）--在重复、一致性和对话行为的平衡方面（例如，问了多少问题，回答了多少问题）。
2019-01-31 cs.AI cs.CL cs.HC
Integrating Generative Artificial Intelligence in Intelligent Vehicle Systems
BMW Group Research and Technology（宝马集团研究与技术部）；Fraunhofer Institute for Intelligent Analysis and Information Systems IAIS（弗劳恩霍夫智能分析与信息系统研究所（IAIS））；Imperial College London（帝国理工学院）；University of Augsburg（奥格斯堡大学）；audEERING GmbH（audEERING有限公司）
本文综述了生成式人工智能在智能车辆中的现状、应用与未来方向，重点涵盖语音、视觉及多模态交互，并提出领域适应性、对齐、多模态集成及伦理等关键研究挑战。
2023-05-15 cs.AI cs.LG
Audio Flamingo 3: Advancing Audio Intelligence with Fully Open Large Audio Language Models
NVIDIA, USA（NVIDIA公司）；University of Maryland, College Park, USA（马里兰大学）
本研究推出完全开源的大型音频语言模型Audio Flamingo 3，通过新型统一音频编码器、按需思考等特性及五阶段课程训练，仅用开源数据就在20余个音频基准上取得SOTA，超越多种开源和闭源模型。
2025-07-28 cs.AI cs.CL cs.SD
SpeechGen: Unlocking the Generative Power of Speech Language Models with Prompts
Graduate Institute of Communication Engineering, National Taiwan University（台湾大学传播研究所）
针对语音难以直接适配大语言模型、语音生成应用受限的问题，本文提出统一框架SpeechGen，通过提示调优激发语音语言模型的生成能力，仅需约10M可训练参数，兼具效率与效果潜力。
2023-08-25 cs.AI cs.CL cs.LG
SpeechQualityLLM: LLM-Based Multimodal Assessment of Speech Quality
UNC Chapel Hill（北卡罗来纳大学教堂山分校）
SpeechQualityLLM是一种基于大语言模型的多模态语音质量评估系统，通过生成文本答案来提供灵活的自然语言接口，减少对大规模测试的依赖。
2025-12-09 cs.AI cs.SD
On the Formal Semantics of Speech-Act Based Communication in an Agent-Oriented Programming Language
Universidade do Vale do Rio dos Sinos（南里奥格兰德河谷大学）；Universidade Federal do Rio Grande do Sul（南里奥格兰德联邦大学）；University of Liverpool（利物浦大学）；University of Durham（杜伦大学）
智能体通信语言的研究通常以言语行为范式为出发点。尽管他们的明显的吸引力，言语行为模型的通信有几个严重的缺点作为人工智能体系统中的通信的基础。特别是，它已被证明是非常困难的，以语音行为为基础的智能体通信语言的满意的语义。在某种程度上，问题在于言语行为语义学通常参考代理的“心理状态”（他们的信念，愿望和意图），并且通常没有办法将这种态度归因于任意的计算代理。此外，代理程序设计语言只有他们的语义形式化的抽象，独立的版本，忽略了方面，如通信原语。关于通信，实现的代理程序设计语言往往是相当特别的。本文解决了这两个问题，通过给语义的语音行为的AgentSpeak代理收到的消息。AgentSpeak是一种基于逻辑的Agent程序设计语言，它结合了反应式规划系统的PRS模型的主要特征。本文建立在一个结构操作语义，我们在以前的工作中开发的AgentSpeak。本文的主要贡献如下：我们以前的工作的AgentSpeak解释器的理论基础上的扩展;一个计算接地的语义（核心）用于言语行为为基础的智能体通信语言的施为;和一个定义良好的扩展AgentSpeak，支持智能体通信。
2011-10-31 cs.AI cs.MA cs.PL
The Algonauts Project: A Platform for Communication between the Sciences of Biological and Artificial Intelligence
Freie Universität Berlin（柏林自由大学）
在过去十年中，受大脑启发的人工智能（AI）模型在执行对象分类和语音识别等现实感知任务方面取得了前所未有的进展。最近，自然智能的研究人员已经开始使用这些人工智能模型来探索大脑如何执行这些任务。这些发展表明，未来的进展将受益于学科之间的互动增加。在这里，我们介绍了Algonauts项目作为一个结构化和定量的沟通渠道，自然和人工智能研究人员之间的跨学科互动。该项目的核心是一个开放的挑战，其目标是通过计算模型来解释大脑数据的定量基准。该项目有可能提供更好的自然智能模型，并收集推动人工智能发展的发现。2019年的Algonauts项目专注于基准测试计算模型，预测人们在观看物体图片时的大脑活动。2019年版的Algonauts项目可在线获得：http://algonauts.csail.mit.edu/。
2019-05-14 cs.AI cs.CV q-bio.NC
Open Problems in Universal Induction & Intelligence
NICTA（澳大利亚国家信息与通信技术研究院）
专门的智能系统随处可见：指纹，手写，语音和面部识别，垃圾邮件过滤，国际象棋和其他游戏程序，机器人等。这十年来，第一个可能完整的数学理论人工智能的基础上普遍归纳-预测-决策-行动已经提出。这种信息论方法巩固了归纳推理和人工智能的基础。正确的基础通常标志着一个领域的重大进展和成熟。该理论为研究智能算法的研究人员提供了黄金标准和指导。普遍归纳的根源在整整半个世纪前就已经奠定，而普遍智能的根源在整整10年前就已经奠定。因此，现在是评估已经取得的成就和仍然需要做的事情的时候了。由于已经有很好的最近的调查，我只描述了国家的最先进的通过和参考文献的读者。本文集中讨论了普遍归纳法的开放性问题及其对普遍智能的扩展。
2009-07-04 cs.AI cs.IT cs.LG
Hate Speech Detection Using Cross-Platform Social Media Data In English and German Language
University of Duisburg-Essen（杜伊斯堡-埃森大学）；University of Agder（阿格德大学）
针对仇恨言论检测缺乏通用模型、高质量训练数据成本高的问题，本研究结合跨平台数据构建双语检测模型，验证了相似数据集的增益作用，实现了英德YouTube评论检测的最优F1值。
2024-10-02 cs.AI cs.CL cs.SI
Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things
The University of Sydney（悉尼大学）
在物联网（IoT）时代，数十亿传感器和设备从环境中收集和处理数据，将其传输到云中心，并通过互联网接收反馈，以实现连接和感知。然而，传输大量异构数据，从这些数据中感知复杂的环境，然后及时做出明智的决策是困难的。人工智能（AI），特别是深度学习，现在已经在包括计算机视觉、语音识别和自然语言处理在内的各个领域取得了成功。AI引入物联网预示着物联网人工智能（AIoT）时代的到来。本文对AIoT进行了全面的调查，以展示AI如何使物联网变得更快、更智能、更环保、更安全。具体来说，我们简要介绍了云计算、雾计算和边缘计算背景下的AIoT架构。然后，我们从四个方面介绍了物联网人工智能研究的进展：感知，学习，推理和行为。接下来，我们总结了AIoT的一些有前途的应用，这些应用可能会深刻地重塑我们的世界。最后，我们强调了AIoT面临的挑战和一些潜在的研究机会。
2020-11-17 cs.AI cs.CV cs.LG
Do AI Voices Learn Social Nuances? A Case of Politeness and Speech Rate
The Open University of Israel（以色列开放大学）；Haifa University（海法大学）；University of Maryland（马里兰大学）
本研究测试AI Studio和OpenAI的22种合成语音，发现TTS系统可隐性习得礼貌场景下放慢语速的人类沟通韵律特征，验证了AI对社交细微差异的学习能力。
2025-11-12 cs.AI cs.CL cs.HC
Role-Aware Artificial Intelligence Across Augmentation and Automation in Human-Machine Symbiosis
Information and Society Research Division, National Institute of Informatics（信息与社会研究部，国立信息研究所）；Graduate School of Information Science and Technology, University of Tokyo（信息科学与技术研究生院，东京大学）
研究探讨如何追踪人工智能在自然语言生成中的功能角色，提出方法推断提示中的隐含角色并在生成过程中嵌入，实验验证了方法在角色区分、抗扰性和语言质量上的有效性。
2026-09-07 cs.AI cs.CL cs.HC
A Generalized LLM-Augmented BIM Framework: Application to a Speech-to-BIM system
Yonsei University（延世大学）
本文提出一种六步骤的广义LLM增强BIM框架，并通过实现语音转BIM系统NADIA-S验证其在外墙细部设计中的适用性，旨在用自然语言交互加速BIM应用开发。
2024-09-26 cs.AI cs.CL cs.HC
Enhancing nonnative speech perception and production through an AI-powered application
University of Nicosia（尼科西亚大学）
本研究针对AI应用忽略单个语音感知与产生的问题，评估了Speakometer移动应用对非母语者英语heed-hid元音对比的训练效果，发现干预显著提升了参与者的区分与产生准确度，支持了AI在个性化发音训练中的潜力。
2025-03-18 cs.AI cs.CL eess.AS
