热点事件持续更新
研究团队提出用于超高效端侧ASR的块循环架构
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月30日，研究人员在 arXiv 发布论文，提出一种面向超高效端侧自动语音识别（ASR）的块循环架构。该架构采用权重共享的循环块来替代参数化深度，旨在将模型参数量减少一个数量级的同时保留大型模型的识别精度。在 Open ASR Leaderboard 基准测试中，仅包含两个共享块的模型平均恢复了大型模型 97.4% 的准确率。此外，该网络支持轻量级 MoE-LoRA 端侧个性化适配，并借助权重复用显著降低了设备的内存访问开销与推理能耗。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 12:00
研究人员提出块循环ASR架构，仅含两个共享块即可恢复大模型97.4%准确率并大幅降耗。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv 机器学习通过循环实现深度：迈向超高效端侧 ASR
研究人员提出一种块循环 ASR 架构，利用权重共享的循环块替代参数化深度，以减少一个数量级的参数量保留大模型精度。在 Open ASR Leaderboard 基准测试中，仅含两个共享块的模型平均恢复了大型模型 97.4% 的准确率。该紧凑网络还支持轻量级 MoE-LoRA 端侧个性化适配，并通过权重复用显著降低内存访问开销与推理能耗。
本事件热度走势
当前热度 9·可比范围峰值 9（10月30日 15:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。