Meituan（美团）

On the Emotion Understanding of Synthesized Speech

合成语音情感理解研究

Yuan Ge, Haishu Zhao, Aokai Hao, Junxiang Zhang, Bei Li, Xiaoqian Liu, Chenglong Wang, Jianjin Wang, Bingsen Zhou, Bingyu Liu, Jingbo Zhu, Zhengtao Yu, Tong Xiao

机构 * Northeastern University, China（东北大学） ； Meituan（美团） ； NiuTrans Research（NiuTrans研究院） ； Kunming University of Science and Technology（昆明理工大学） 纠错

AI总结 本文系统评估了合成语音上情感识别模型的泛化能力，发现现有模型因合成过程中的语音token预测导致表示不匹配，无法有效捕捉情感特征，且生成式语音模型易忽略非语言线索。

AutothinkRAG: Complexity-Aware Control of Retrieval-Augmented Reasoning for Image-Text Interaction

AutothinkRAG: 多模态文档问答中检索增强推理的复杂度感知控制

Jiashu Yang, Chi Zhang, Abudukelimu Wuerkaixi, Xuxin Cheng, Cao Liu, Ke Zeng, Xu Jia, Xunliang Cai

机构 * Dalian University of Technology（大连理工大学） ； Tsinghua University（清华大学） ； Meituan LongCat Interaction Team（美团LongCat交互团队） 纠错

AI总结 本文提出AutoThinkRAG，通过查询复杂度路由器和感知-推理解耦架构，提升多模态文档问答的效率与鲁棒性，实验表明在DocBench和MMLongBench上准确率提升，且降低计算与成本消耗。