Continued Pretraining for Low-Resource Swahili ASR: Achieving State-of-the-Art Performance with Minimal Labeled Data
持续预训练用于低资源斯瓦希里语语音识别:在极少量标注数据下实现最先进的性能
机构 * Harvard University(哈佛大学)
AI总结 通过持续预训练和监督微调,在极少量标注数据下实现斯瓦希里语ASR的高性能,较基线提升82%,超越现有最佳系统61%。
高校专区
持续预训练用于低资源斯瓦希里语语音识别:在极少量标注数据下实现最先进的性能
机构 * Harvard University(哈佛大学)
AI总结 通过持续预训练和监督微调,在极少量标注数据下实现斯瓦希里语ASR的高性能,较基线提升82%,超越现有最佳系统61%。
在新兴基础和代理AI时代 computational pathology 的发展——国际专家对临床整合与转化准备的视角
机构 * Department of Pathology, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China(复旦大学附属中山医院病理科,上海交通大学医学院,上海,中国) ; Department of Radiation Oncology, Stanford University School of Medicine, Stanford, CA, USA(斯坦福大学医学院放射肿瘤科,斯坦福,加利福尼亚州,美国) ; Department of Basic Education, Qingdao City University, Qingdao, Shandong, China(青岛城市大学基础教育系,青岛,山东省,中国) ; Department of Human Genetics, the University of Chicago, Chicago, IL, USA(芝加哥大学人类遗传学系,芝加哥,伊利诺伊州,美国) ; Department of Computer Science, University of Warwick, Coventry UK(沃里克大学计算机科学系,科文特里,英国) ; Department of Electrical and Computer Engineering, Carnegie Mellon University, Pittsburgh, Pennsylvania, USA(卡内基梅隆大学电气与计算机工程系,匹兹堡,宾夕法尼亚州,美国) ; Department of Neurosurgery, Stanford University School of Medicine, Stanford, CA, USA(斯坦福大学医学院神经外科,斯坦福,加利福尼亚州,美国) ; Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA(哈佛医学院生物医学信息学系,波士顿,马萨诸塞州,美国)
AI总结 本文探讨新兴基础和代理AI在计算病理学中的临床整合与转化准备,分析技术成熟度、经济监管及实际应用挑战,提供国际专家对当前能力与障碍的评估。