RL-NAS搜索紧凑音视频语音增强模型

Khubaib Ahmed 等在 arXiv 论文（2610.12796v1，作者称）中提出 RL-NAS 框架，用强化学习搜索紧凑的音视频语音增强（AVSE）架构，仅评估 35 个候选模型即找到一个 290 万参数的模型，基线为 2200 万参数。 作者报告该模型达到 14.5 dB 的 SI-SNR 提升，比基线低 0.7 dB，模型大小约缩小 9 倍；在商用移动 CPU 上实时因子降低 4.3 倍，搜索效率较随机搜索提高 92%。摘要未说明数据集、噪声条件及完整实验细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。