paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
LT

Liang-Hsuan Tseng

ACL 2026ICLR 2026多模态数据与预训练对齐与偏好评测与基准
新星分新星
66
一作贡献30
核心/参与12
方向广度11
合作网络6
1 一作 · 2 篇 · ACL 2026 / ICLR 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

2
一作ICLR 2026Poster· Applications / Language, Speech and Dialog

TASTE: Text-Aligned Speech Tokenization and Embedding for Spoken Language Modeling

Liang-Hsuan Tseng · Yi-Chang Chen · Kuan Lee · Da-shan Shiu · Hung-yi Lee

对齐与偏好多模态数据与预训练OpenReview
作者位次 #2/8ACL 2026Findings· Findings of ACL

On the Fallacy of Global Token Perplexity in Spoken Language Model Evaluation

Chan-Jan Hsu · Liang-Hsuan Tseng · Yi-Cheng Lin · Yen-Chun Kuo · Ju-Chieh Chou · Kai-Wei Chang · Hung-yi Lee · Carlos Busso

摘要

Generative spoken language models pretrained on large-scale raw audio can continue a speech prompt with appropriate content while preserving attributes like speaker and emotion, serving as foundation models for spoken dialogue. In prior literature, these models are often evaluated using “global t...

多模态评测与基准数据与预训练OpenReview 项目页

常见合作者