AI Podcast

HybridFlow：灵活高效的RLHF框架深度解析 03.04.2025 8:48 ↓

深入探讨HybridFlow框架，解析其混合编程模型、3D-HybridEngine和自动设备映射如何解决现有RLHF系统的局限性，实现显著的性能提升。

AI Radio FM - 探讨 Language-Codec：为语音语言模型量身打造的音频编解码器 02.04.2025 13:17 ↓

本期节目深入探讨了 Language-Codec 这项创新的音频编解码技术。我们讨论了现有编解码器与大型语音语言模型之间的差距，Language-Codec 如何通过 MCRVQ 机制、更大的数据集和改进的结构来弥补这些差距，以及它在音频重建和下游零样本 TTS 任务中的卓越表现。

AI Radio FM - Technology Channel: WavTokenizer深度解析 02.04.2025 13:57 ↓

欢迎收听AI Radio FM - 技术频道。本期节目，我们深入探讨WavTokenizer，一个旨在实现极致压缩和高质量音频重建的创新性声学编解码器。我们将讨论它如何通过单一量化器、扩展的VQ空间和改进的解码器结构，在保持丰富语义信息的同时，挑战现有技术。

AI Radio FM: MegaTTS 3 - 语音合成新突破：稀疏对齐与扩散模型 02.04.2025 10:59 ↓

本期 AI Radio FM 深入探讨 MegaTTS 3，一项创新的零样本语音合成技术。我们讨论了它如何通过稀疏对齐策略解决现有 TTS 模型的对齐难题，利用多条件无分类器指导实现灵活的口音控制，并通过 PeRFlow 技术加速生成。一起了解 MegaTTS 3 如何在语音质量、自然度、鲁棒性和效率方面达到业界领先水平。

Qwen2.5-Omni: 通往通用人工智能的多模态统一模型 28.03.2025 10:30 ↓

深入探讨 Qwen2.5-Omni 技术报告，解析其创新的多模态处理、流式生成能力以及卓越的性能表现。

深入探讨Bitnet.cpp：边缘设备上的高效三元大语言模型推理 26.03.2025 15:19 ↓

本期节目深入探讨Bitnet.cpp，一个为BitNet b1.58等三元大语言模型在边缘设备上进行高效推理而优化的系统。我们将详细解析其创新的混合精度矩阵乘法（mpGEMM）库、TL（三元查找表）和I2_S（带缩放的Int2）内核，如何实现显著的速度提升和无损推理。

LLM推理与TGI - Adyen知识中心技术故事 25.03.2025 3:32 ↓

深入探讨使用HuggingFace的文本生成推理（TGI）优化大型语言模型（LLM）以实现高效推理的过程。了解TGI的服务器和推理引擎组件，以及相关的性能指标和注意事项。

SNAC：多尺度神经音频编解码器 21.03.2025 8:08 ↓

本播客讨论了SNAC（多尺度神经音频编解码器），这是一种新的音频压缩方法，它通过在多个时间分辨率上运行量化器来提高压缩效率。

AI Radio FM - 深入解读无分类器引导的扩散模型 21.03.2025 4:33 ↓

本期播客深入探讨了一篇关于扩散模型的新研究，该研究提出了一种名为“模型引导”（Model-guidance, MG）的新方法，旨在取代传统的无分类器引导（Classifier-free Guidance, CFG）。我们将讨论MG如何提高训练和推理速度，同时在ImageNet基准测试上取得最先进的成果。

AI Radio FM - Technology Channel 21.03.2025 5:30 ↓

本期播客深入探讨了一篇关于多模态大型语言模型（MLLM）与人类偏好对齐的综述论文。我们将讨论现有对齐算法的应用场景、对齐数据集的构建、评估方法以及未来的发展方向。

AI Radio FM - Technology Channel 18.03.2025 4:36 ↓

深入探讨低比特量化技术Atom，提升大型语言模型服务效率与准确性。

AI Radio FM - প্রযুক্তির চ্যানেল 18.03.2025 4:46 ↓

CUTLASS中高效GEMM的层次结构、线程块、Warp和线程级GEMM，以及各种优化策略的讨论。

AI Radio FM - 科技频道：Transformer模型的快速推理 18.03.2025 5:50 ↓

本期播客讨论了通过推测解码实现Transformer模型的快速推理，这是一种在不改变输出的情况下加速自回归模型采样的方法。

FlashInfer：面向大语言模型推理服务的可定制高效注意力引擎 18.03.2025 4:57 ↓

本播客深入探讨FlashInfer，这是一种专为大语言模型（LLM）推理服务设计的高效且可定制的注意力引擎。FlashInfer通过块稀疏格式和可组合格式解决KV缓存存储异构性，优化内存访问并减少冗余。它还提供可定制的注意力模板，通过即时编译适应各种设置。此外，FlashInfer的负载均衡调度算法适应用户请求的动态性，同时保持与CUDAGraph的兼容性。

AI Radio FM - 跨越对话语音的“恐怖谷” 18.03.2025 5:38 ↓

探索Sesame研究团队如何通过情感智能、对话动态、上下文感知和一致的个性，实现“语音存在”，使数字语音助手更具吸引力和实用性。

AI语音增强新突破：LLaSE-G1模型深度解析 18.03.2025 6:32 ↓

本期播客深入探讨了基于LLaMA的语音增强模型LLaSE-G1，该模型如何通过最大化声学信息保留和统一多任务处理，在噪声抑制、丢包隐藏、目标说话人提取、回声消除等多个语音增强任务中取得显著成果。

AI Radio FM - 探索音频大语言模型中的思维链推理 17.03.2025 3:28 ↓

本期播客深入探讨了将思维链（CoT）推理整合到大型音频语言模型（LALM）中，以增强其在声音、音乐和语音领域的推理能力。我们评估了几种具有代表性的CoT方法，分析了它们在信息提取和推理任务中的表现，并讨论了CoT方法在处理复杂任务时的局限性。

AI Radio FM - 深度音频推理 17.03.2025 6:33 ↓

本期播客深入探讨了Audio-Reasoner模型，这是一个大型音频语言模型，专为音频任务中的深度推理而设计。我们讨论了它的训练方法、结构化CoT方法、以及名为CoTA的大规模数据集。CoTA数据集通过自动注释、推理链创建和验证，为音频推理提供了坚实的基础。

AI Radio FM - 强化学习与音频问答 17.03.2025 3:14 ↓

本期播客探讨了强化学习（RL）在音频问答（AQA）任务中的应用，以及如何通过小组相对策略优化（GRPO）算法提升大型音频语言模型（LALM）的性能。研究表明，即使在有限数据集下，RL也能显著优于监督微调（SFT），并揭示了LALM在音频理解和推理方面仍有巨大提升空间。

AI Radio FM - 揭秘StreamingLLM：无限长度文本处理的革新 16.03.2025 4:42 ↓

本期播客深入探讨了StreamingLLM，这是一种新的大型语言模型（LLM）框架，它解决了在流式应用中部署LLM的关键挑战。通过引入“注意力沉淀”的概念，StreamingLLM使得LLM能够处理无限长度的文本输入，而无需进行微调，同时保持了效率和性能。

AI透视：Transformer架构新变革 - 无需归一化 15.03.2025 5:38 ↓

本期播客深入探讨了一种名为Dynamic Tanh (DyT) 的新型技术，该技术有望取代Transformer模型中的归一化层。我们将讨论DyT的原理、优势以及在各种任务中的应用，挑战归一化层在现代神经网络中不可或缺的传统观念。

AI Radio FM - Technology Channel 15.03.2025 6:03 ↓

深入探讨超大规模语言模型训练的播客，从单GPU到数千GPU集群，涵盖内存优化、计算效率和通信开销等关键挑战。

AI Radio FM - Technology Channel 13.03.2025 4:55 ↓

深入探讨超大规模语言模型训练：从单GPU到GPU集群的旅程

AI Radio FM - 探索InspireMusic：高保真长音乐生成框架 13.03.2025 3:59 ↓

本期播客深入探讨InspireMusic，一个结合了超分辨率和大型语言模型的高保真长音乐生成框架。我们将讨论其独特之处，包括音频标记化、自回归Transformer、超分辨率流匹配模型，以及它如何实现长达8分钟的高质量音乐生成。同时，我们也会对比InspireMusic与其他顶尖开源系统（如MusicGen和Stable Audio 2.0）的性能。

AI Radio FM - 揭秘 Gemma 3 12.03.2025 8:51 ↓

深入探讨谷歌 DeepMind 最新的 Gemma 3 多模态开放模型系列，包括其架构、训练过程、性能以及安全措施。