Nanyang Technological University（南洋理工大学）

DepFlow: Disentangled Speech Generation to Mitigate Semantic Bias in Depression Detection

DepFlow：解耦语音生成以缓解抑郁检测中的语义偏差

Yuxin Li, Xiangyu Zhang, Yifei Li, Zhiwei Guo, Haoyang Zhang, Eng Siong Chng, Cuntai Guan

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； School of Electrical Engineering and Telecommunications, UNSW（新南威尔士大学电信工程学院） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； Center for AI in Medicine (C-AIM), Lee Kong Chian School of Medicine, NTU（人工智能医学中心（C-AIM）、李光耀医学院、南洋理工大学） 纠错

AI总结 DepFlow通过三阶段框架解耦语音生成，缓解抑郁症检测中的语义偏差，提升模型鲁棒性并提供可控合成平台。

Modeling the One-to-Many Property in Open-Domain Dialogue with LLMs

在开放式对话中利用大语言模型建模一对一多属性

Jing Yang Lee, Kong-Aik Lee, Woon-Seng Gan

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电子与电气工程系） 纠错

AI总结 本文提出通过分解生成任务和引入新策略，利用大语言模型提升开放式对话的回应多样性和质量。

WorldMem: Long-term Consistent World Simulation with Memory

WorldMem: 基于记忆的长期一致世界模拟

Zeqi Xiao, Yushi Lan, Yifan Zhou, Wenqi Ouyang, Shuai Yang, Yanhong Zeng, Xingang Pan

机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 WorldMem通过引入记忆库和注意力机制，实现了长期一致的世界模拟，提升了场景生成的准确性和动态建模能力。

Comments Project page at https://xizaoqu.github.io/worldmem/

Inner-Probe: Discovering Copyright-related Data Generation in LLM Architecture

Inner-Probe: 在LLM架构中发现与版权相关的数据生成

Qichao Ma, Rui-Jie Zhu, Peiye Liu, Renye Yan, Fahong Zhang, Ling Liang, Meng Li, Zhaofei Yu, Zongwei Wang, Yimao Cai, Tiejun Huang

机构 * School of Computer Science and the State Key Laboratory of Multimedia Information Processing, Peking University（计算机科学系和多媒体信息处理国家重点实验室，北京大学） ； Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； department of Electrical and Computer Engineering, University of California, Santa Cruz（电气与计算机工程系，加州大学圣克鲁兹分校） ； Alibaba DAMO Academy, Beijing（阿里巴巴达摩院，北京） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； School of Integrated Circuits, Peking University（集成电路系，北京大学） ； YanXin MicroElectronics Co., Ltd.(YXME), Shanghai, China（燕芯微电子有限公司（YXME），上海，中国） 纠错

AI总结 Inner-Probe通过分析LLM生成过程中多头注意力机制，实现对受版权数据子集影响的高效检测与非受版权文本识别。

Comments Accepted by IEEE Transactions on Artificial Intelligence