Massachusetts Institute of Technology（麻省理工学院）

Unlocking Speech-Text Compositional Powers: Instruction-Following Speech Language Models without Instruction Tuning

解锁语音-文本组合能力：无需指令微调的指令跟随语音语言模型

Congrui Du, Yang Zhang, Kaizhi Qian, Shiyu Chang

机构 * University of California, Santa Barbara, USA（加州大学圣芭芭拉分校） ； MIT-IBM Computing Research Lab, IBM Research, USA（麻省理工-IBM计算研究实验室，IBM研究） 纠错

AI总结 提出SpeechCombine，通过单轮30k小时语音预训练和权重组合，无需指令微调即可实现指令跟随，有效将文本LLM能力迁移至语音域。

Population-Based Multi-Objective Training of Discriminators for Semi-Supervised GANs

基于种群的半监督GAN判别器多目标训练

Francisco Sedeño, Francisco Chicano, Jamal Toutouh

机构 * ITIS Software, University of Malaga（ITIS软件，马拉加大学） ； CSAIL MIT, Cambridge, MA, USA（MIT计算机科学与人工智能实验室，剑桥，马萨诸塞州，美国） 纠错

AI总结 提出基于种群的多目标进化训练策略，将半监督GAN的判别器学习建模为多目标优化问题，通过帕累托支配排序探索分类精度与真假判别之间的权衡，提升训练鲁棒性和分类准确率。

Comments The 2nd International Conference on Federated Learning and Intelligent Computing Systems (FLICS2026)

Enerzyme: A Framework for Efficient Training of Reactive Neural Network Potentials for Enzyme Catalysis with Application to Methyltransferases

Enerzyme: 用于酶催化反应的高效反应性神经网络势训练框架及其在甲基转移酶中的应用

Weiliang Luo, Heather J. Kulik

机构 * Department of Chemical Engineering, Massachusetts Institute of Technology（麻省理工学院化学工程系） ； Department of Chemistry, Massachusetts Institute of Technology（麻省理工学院化学系） 纠错

AI总结 提出Enerzyme框架，结合模块化静电感知NNP架构和自动QM团簇构建，在少于1000个数据点上实现含545原子MTase团簇的近化学精度反应能垒和过渡态预测。