The Chinese University of Hong Kong（香港中文大学）

2606.31247 2026-08-24 cs.SD eess.AS 版本更新

FlexiSLM: A Spoken Language Model with Dynamic and Controllable Frame Rates

FlexiSLM：一种动态可控帧率的语音语言模型

Jiaqi Li, Chaoren Wang, Xiaohai Tian, Mingjie Chen, Xinyu Liang, Xu Li, Yufan Lin, Junwen Qiu, Jun Zhang, Lu Lu, Haizhou Li, Zhizheng Wu

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））； ByteDance（字节跳动）

AI总结提出FlexiSLM，首个支持动态可控帧率的语音语言模型，利用动态帧率表示在高质量点超越固定帧率7B模型，并在6.25 Hz时推理速度减半且保持高质量。

Comments Accepted to EMNLP2026 Main Conference

2606.05121 2026-08-24 cs.SD cs.AI cs.CL cs.MM eess.AS 版本更新

Audio Interaction Model

音频交互模型

Zhifei Xie, Zihang Liu, Ze An, Xiaobin Hu, Yue Liao, Ziyang Ma, Dongchao Yang, Mingbao Lin, Deheng Ye, Shuicheng Yan, Chunyan Miao

机构 * NTU（国立新加坡大学）； NUS（新加坡国立大学）； CUHK（香港大学）

AI总结提出一种统一的在线大型音频语言模型Audio-Interaction，通过始终在线的感知-决策-响应循环实现实时音频交互，并构建了StreamAudio-2M数据集和Proactive-Sound-Bench基准，在保持主流音频任务性能的同时解锁了实时ASR、流式音频指令跟随和主动帮助等能力。

Comments Next generation of LALMs

2409.16322 2026-08-24 eess.AS cs.AI cs.CL cs.LG cs.SD q-bio.NC 版本更新

On the Within-class Variation Issue in Alzheimer's Disease Detection

阿尔茨海默病检测中的类内差异问题

Jiawen Kang, Dongrui Han, Lingwei Meng, Jingyan Zhou, Jinchao Li, Xixin Wu, Helen Meng

机构 * The Chinese University of Hong Kong（香港中文大学）； Centre for Perceptual and Interactive Intelligence（感知与交互智能中心）

AI总结针对阿尔茨海默病检测中存在的类内差异问题，提出软目标蒸馏和实例级重平衡两种方法，在ADReSS和CU-MARVEL语料库上验证了方法的有效性，为相关建模提供了新思路。

Comments Accepted by Interspeech 2025. This is an extended version of the conference paper