欢迎收听《AI电台FM - 科技频道》，本期节目我们将深入探讨一篇关于“通过网络架构搜索实现实时语音增强的超轻量级U-Net模型”的创新研究。我们将揭示UL-UNAS如何在极低的计算资源下，实现卓越的语音增强效果，并探讨其核心技术：高效卷积块、新型激活函数APReLU、因果时频注意力cTFA以及神经网络架构搜索的奥秘。本研究不仅超越了现有超轻量级模型，更与资源密集型基线模型性能媲美，为边缘设备的实时语音增强提供了强大的解决方案。

本期节目深入探讨了TileLang，一个为AI系统设计的新型可组合平铺编程模型。我们讨论了现代AI工作负载中高性能内核编程的挑战，现有领域专用编译器的局限性，以及TileLang如何通过解耦数据流与调度、提供精细控制和自动化优化来实现卓越性能。节目还分享了TileLang在不同硬件平台和AI工作负载上的实验成果，展示了其在提升编程效率和计算性能方面的巨大潜力。

本期AI电台FM将深入探讨DeepSeek-AI最新推出的实验性稀疏注意力模型DeepSeek-V3.2-Exp。我们将揭秘其核心技术——DeepSeek稀疏注意力（DSA）如何通过闪电索引器和精细化令牌选择机制，在保持模型性能的同时，显著提升长上下文场景下的训练和推理效率。从架构设计到训练策略，再到实战评估，weedge专家将为您带来全面而生动的解读。

深入探讨“模态流形”这一创新概念，揭示如何通过限制神经网络权重张量在特定流形上来优化训练过程，提升模型稳定性与性能。从张量健康的重要性，到流形优化算法的数学原理，再到模态流形如何实现跨层学习率预算，我们为您呈现一个激动人心的未来AI训练图景。

本期节目深入探讨了Qwen团队发布的Qwen3-Omni技术报告，揭示了这一首次实现多模态（文本、图像、音频、视频）性能无损且达到SOTA的单一模型。我们将详细解析其创新的Thinker-Talker MoE架构、超低延迟的实时语音生成技术、以及在各项基准测试中超越闭源模型（如Gemini-2.5-Pro, GPT-4o-Transcribe）的卓越表现。此外，还将讨论其广泛的语言支持、独特的多模态位置编码以及未来的发展方向。

欢迎来到AI Radio FM - 科技频道！本期节目，我们将深入探讨快手科技提出的革命性电商搜索框架OneSearch。这个框架旨在克服传统多级级联架构的限制，通过引入关键词增强分层量化编码、多视图用户行为序列注入和偏好感知奖励系统，实现电商搜索的端到端生成。我们将详细解析OneSearch如何提升搜索效率、优化用户体验，并带来显著的业务增长和成本节约。

本期节目深入探讨了小米MiMo-Audio音频语言模型。通过前所未有的大规模预训练，MiMo-Audio展现出惊人的少样本学习能力，实现了语音领域的“GPT-3时刻”。我们详细讨论了其创新的分词器、多模态架构、分阶段训练策略，以及在语音理解、生成和对话方面取得的领先成果，包括超越开源模型并接近甚至超越闭源模型的表现。节目还将探讨该模型的独特优势、目前面临的挑战和未来的发展方向。

欢迎收听AI Radio FM - 科技频道！本期节目，我们将深入探讨大型语言模型推理中令人头疼的非确定性问题。从浮点数非结合性到批量不变性，我们将一步步揭示LLM推理结果不一致的真正原因，并分享如何实现真正可复现、确定性结果的创新方法，包括对RMSNorm、矩阵乘法和注意力机制的批处理不变性改造。此外，我们还将讨论确定性推理对真实在线强化学习的关键意义。跟随我们的专家，weedge，一起攻克这个技术难题！

本期节目深入探讨了一篇引人深思的论文，该论文提出小型语言模型（SLMs）将成为智能体AI的未来。我们将揭示SLMs为何在能力、经济性和灵活性上优于大型语言模型（LLMs），探讨其在智能体系统中的独特优势，并讨论将LLMs转换为SLMs的实际路径、面临的挑战以及未来的发展潜力。

本期节目我们将深入探讨XQuant，一项通过巧妙利用计算能力超越内存限制的创新技术。它如何通过量化输入激活X而非KV缓存，实现高达12.5倍的内存节省，同时保持接近FP16的精度，为LLM推理带来革命性变革？我们还将揭示XQuant-CL如何利用跨层相似性，以及如何支持GQA模型，共同探讨这项面向未来的技术如何加速大模型应用！