arXiv · Machine Learning· Joseph An, Phillip Keung, Jiaqi Wang, Orevaoghene Ahia, Noah A. Smith·· 9 小时前AI 评分50
只编码、不解码：复用音频语言模型内部表示实现高效时间定位
Encode Once, Decode Never: Reusing Audio LM Internals for Efficient Temporal Localization
AI 导读
研究提出 internal frame-level reuse，让音频语言模型复用自身帧级表示直接完成时间定位，绕过时间戳 token 的自回归生成。轻量预测头采用二元帧分类或 inhomogeneous Poisson process（IHP）损失；在词定位、说话人分离和事件定位中，推理速度较 token 生成提升超过 50 倍。
来源：arXiv · Machine Learning · arxiv.org