University of Toronto（多伦多大学）

WST-X Series: Wavelet Scattering Transform for Interpretable Speech Deepfake Detection

WST-X系列：用于可解释性语音深度伪造检测的小波散射变换

Xi Xuan, Davide Carbone, Wenxin Zhang, Ruchi Pandey, Tomi H. Kinnunen

机构 * Computational Speech Group（计算语音组） ； University of Eastern Finland（东芬兰大学） ； Laboratoire de Physique de l’Ecole Normale Supérieure, Université PSL, CNRS, Sorbonne Université, Université de Paris（巴黎高等师范大学物理实验室，巴黎大学，CNRS，索邦大学，巴黎大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出WST-X系列，结合小波散射变换提升语音深度伪造检测的可解释性与性能，通过多尺度特征提取在多个数据集上取得显著优势。

Comments IEEE Signal Processing Letters

A Reproducibility Study of LLM-Based Query Reformulation

基于大语言模型的查询改写可重复性研究

Amin Bigdeli, Radin Hamidi Rad, Hai Son Le, Mert Incesu, Negar Arabzadeh, Charles L. A. Clarke, Ebrahim Bagheri

机构 * University of Waterloo（滑铁卢大学） ； Mila – Quebec AI Institute（魁北克AI研究所） ； Toronto Metropolitan University（多伦多 Metropolitan 大学） ； University of Toronto（多伦多大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文在统一框架下系统评估了十种代表性大语言模型查询改写方法，发现检索范式对改写效果有显著影响，且大模型并不总能提升下游性能。

AutoREC: A software platform for developing reinforcement learning agents for equivalent circuit model generation from electrochemical impedance spectroscopy data

AutoREC：一种用于从电化学阻抗谱数据开发强化学习代理以生成等效电路模型的软件平台

Ali Jaberi, Yonatan Kurniawan, Robert Black, Shayan Mousavi M., Kabir Verma, Zoya Sadighi, Santiago Miret, Jason Hattrick-Simpers

机构 * Clean Energy Innovation Research Center, National Research Council Canada（清洁能源创新研究中心，加拿大国家研究委员会） ； Department of Material Science and Engineering, University of Toronto（材料科学与工程系，多伦多大学） ； Cheriton School of Computer Science, University of Waterloo（计算机科学学院，滑铁卢大学） 纠错

AI总结 AutoREC通过将等效电路模型生成建模为马尔可夫决策过程中的序列决策问题，利用深度强化学习解决传统手动试错方法的局限性，实现了高成功率的自动等效电路模型生成。

LLM Biases

LLM偏见

Jinhui Han, Ming Hu, Xilin Zhang

机构 * Guanghua School of Management, Peking University（北京大学光华管理学院） ； Rotman School of Management, University of Toronto（多伦多大学罗特曼管理学院） 纠错

AI总结 本文研究了基于Transformer的生成推荐系统中四种系统性偏见机制，指出其可能影响长期多样性和用户选择，强调需关注运营风险而非仅依赖性能指标。