Cocktail-Party Audio-Visual Speech Recognition
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
Comments Accepted at Interspeech 2025
高校专区
Carnegie Mellon University（卡内基梅隆大学）
Act Only When It Pays: Efficient Reinforcement Learning for LLM Reasoning via Selective Rollouts
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta AI
Generate, Not Recommend: Personalized Multimodal Content Generation
机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学系） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学agate智能学院） ； Serendipity One Inc.（Serendipity One公司）
Measuring Faithfulness and Abstention: An Automated Pipeline for Evaluating LLM-Generated 3-ply Case-Based Legal Arguments
机构 * Intelligent Systems Program, University of Pittsburgh（匹兹堡大学智能系统项目） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院）
Comments 11 pages, 7th Workshop on Automated Semantic Analysis of Information in Legal Text @ ICAIL 2025, 16 June 2025, Chicago, IL
DYNAC: Dynamic Vocabulary based Non-Autoregressive Contextualization for Speech Recognition
机构 * Honda Research Institute Japan（本田研究院日本） ； Carnegie Mellon University（卡内基梅隆大学）
Comments Accepted to Interspeech 2025
Improving Multilingual Speech Models on ML-SUPERB 2.0: Fine-tuning with Data Augmentation and LID-Aware CTC
机构 * Carnegie Mellon University（卡内基梅隆大学）
HybGRAG: Hybrid Retrieval-Augmented Generation on Textual and Relational Knowledge Bases
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊）
Comments Accepted to ACL 2025
Continual Learning and Lifting of Koopman Dynamics for Linear Control of Legged Robots
机构 * Robotics Institute, Carnegie Mellon University（机器人研究所、卡内基梅隆大学）
NeurIPS 2023 Competition: Privacy Preserving Federated Learning Document VQA
机构 * University of Helsinki（赫尔辛基大学） ； Computer Vision Center, Universitat Autònoma de Barcelona（巴塞罗那自治大学计算机视觉中心） ； CISPA Helmholtz Center for Information Security（信息安全赫尔姆霍茨中心） ； INRIA（法国国家信息与自动化技术研究所） ； Yooz ； Carnegie Mellon University（卡内基梅隆大学） ； NTT（日本NTT公司） ； Institute of Science Tokyo（东京科学研究所） ； Department of Computer Science（计算机科学系） ； Mphasis AI & Applied Tech Lab at Ashoka, Ashoka University（阿什oka大学人工智能与应用技术实验室） ； Koita Centre for Digital Health - Ashoka (KCDH-A)（阿什oka数字健康中心（KCDH-A）） ； Trivedi School of Biosciences, Ashoka University（阿什oka大学Trivedi生物科学学院）
Comments 33 pages, 7 figures; published in TMLR 06/2025 https://openreview.net/forum?id=3HKNwejEEq
Journal ref Transactions on Machine Learning Research, ISSN 2835-8856, 2025
What Goes Into a LM Acceptability Judgment? Rethinking the Impact of Frequency and Length
机构 * Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学）
Comments Accepted to NAACL 2025 (Main Conference)
Robust 6DoF Pose Estimation Against Depth Noise and a Comprehensive Evaluation on a Mobile Dataset
机构 * UC Berkeley（加州大学伯克利分校） ； CMU（卡内基梅隆大学） ； UCLA（加州大学洛杉矶分校）
On-device Streaming Discrete Speech Units
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Language Technologies Institute（语言技术研究所）
Comments Accepted to Interspeech 2025, source code at https://github.com/Masao-Someki/StreamingDSU
Respond Beyond Language: A Benchmark for Video Generation in Response to Realistic User Intents
机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； Serendipity One Inc.（Serendipity One公司）
Lessons Learned from the URGENT 2024 Speech Enhancement Challenge
机构 * Shanghai Jiao Tong University（上海交通大学） ； Waseda University（早稻田大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Google DeepMind（谷歌DeepMind） ； Meta
Comments 5 pages, 4 figures, 1 table. Accepted by Interspeech 2025. Code available at https://github.com/urgent-challenge/urgent2024_analysis
FedRPCA: Enhancing Federated LoRA Aggregation Using Robust PCA
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Bosch Center for AI（博世人工智能中心） ； Stony Brook University（石溪大学）
Unfolding Boxes with Local Constraints
机构 * Carnegie Mellon University（卡内基梅隆大学）
Comments Accepted at CADE30 (2025). 17 figures. Code at https://github.com/LongQianQL/CADE30-BoxUnfoldings
Chain-of-Thought Training for Open E2E Spoken Dialogue Systems
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Sony Group Corporation（索尼集团）
Comments Accepted at INTERSPEECH 2025
From Local Cues to Global Percepts: Emergent Gestalt Organization in Self-Supervised Vision Models
机构 * Carnegie Mellon University（卡内基梅隆大学）
Existing Large Language Model Unlearning Evaluations Are Inconclusive
机构 * Carnegie Mellon University（卡内基梅隆大学） ； UK AI Security Institute（英国人工智能安全研究所） ； University of Oxford（牛津大学）
REALM: A Dataset of Real-World LLM Use Cases
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California（加州大学）
Comments 11 pages, 3 figures
DIS-CO: Discovering Copyrighted Content in VLMs Training Data
机构 * Carnegie Mellon University（卡内基梅隆大学）
From Selection to Generation: A Survey of LLM-based Active Learning
机构 * University of California San Diego（加州大学圣地亚哥分校） ； University of Wisconsin Madison（威斯康星大学麦迪逊分校） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Rochester（罗切斯特大学） ； Adobe Research（Adobe研究） ； Dolby Labs（杜比实验室） ； Cisco AI Research（思科人工智能研究） ； University of Oregon（俄勒冈大学） ； University of Southern California（南加州大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； Dartmouth College（达特茅斯学院）
Comments ACL 2025
Towards Global AI Inclusivity: A Large-Scale Multilingual Terminology Dataset (GIST)
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan（密歇根大学） ； University of Toronto（多伦多大学） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Vector Institute（向量研究所）
Comments ACL 2025 Findings
Enhancing Sample Generation of Diffusion Models using Noise Level Correction
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Toyota Research Institute（丰田研究院）
Journal ref Transactions on Machine Learning Research, 2025
Improving Model Factuality with Fine-grained Critique-based Evaluator
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Meta GenAI（Meta 生成式人工智能）
Text-To-Speech Synthesis In The Wild
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Shanghai Jiao Tong University（上海交通大学） ； Meta ； Renmin University of China（中国人民大学） ； National Institute of Informatics（日本国立信息机构） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； University of Tokyo（东京大学） ； Yonsei University（yonsei大学） ； EURECOM ； Keio University（庆应大学）
Comments 5 pages, Interspeech 2025
OWSM v4: Improving Open Whisper-Style Speech Models via Data Scaling and Cleaning
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Honda Research Institute（本田研究机构）
Comments Accepted at INTERSPEECH 2025
Whispers of Many Shores: Cultural Alignment through Collaborative Cultural Expertise
机构 * Arizona State University（亚利桑那州立大学） ； National Taiwan University（台湾国立大学） ； Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学） ； Indian Institute of Technology Hyderabad（印度海得拉巴理工学院） ； Minitab（Minitab公司） ； Trinity College Dublin（都柏林圣三一学院）
Comments 14 main pages;8 page appendix
Anticipating Future with Large Language Model for Simultaneous Machine Translation
机构 * Carnegie Mellon University（卡内基梅隆大学） ； NVIDIA（英伟达）
Comments NAACL 2025 Main
Stereotype or Personalization? User Identity Biases Chatbot Recommendations
机构 * Carnegie Mellon University（卡内基梅隆大学）
