HF 論文速讀 2026-08-16
講者驗證狂刷 VoxCeleb SOTA，外加即時自回歸影片外推與檢索增強仇恨迷因偵測。
今天主軸是 Speaker Verification 多模型改寫 VoxCeleb；另有 RAVEN 用 CM-GRPO 做即時影片外推，以及 LMM 檢索增強仇恨迷因偵測登頂。
今天先記三件事
- w2v-BERT 2.0 + KD 結構化剪枝在 VoxCeleb1-H/E/O 與 CN-Celeb 多項 rank #1。
- RAVEN 用 interleaved clean/noisy 對齊訓練與推論，並以 CM-GRPO 直接 RL 一致性核。
- ReDimNet2 與開源工具 Kiwano 持續把 clean protocol EER 壓到約 1% 以下。
五篇速讀
RAVEN：即時自回歸影片外推與 Consistency-model GRPO
影片生成方法
為什麼重要：補上 causal AR video diffusion 訓練／推論 history 分布落差，並提出 CM-GRPO 做 few-step 強化。
帶走什麼：把 self-rollout 交錯成 clean endpoint 與 noisy state，讓下游 chunk loss 監督 history；VBench Semantic…
下一步：做串流／長時域 video extrapolation 時優先對齊 train-test history，並評估 CM-GRPO 是否可取…
ReDimNet2：以 Time-Pooled Dimension Reshaping 擴展講者驗證
輕量 SV 架構
為什麼重要：用 time-pooled 維度重塑擴展網路，在 clean VoxCeleb 協定取得高名次且參數量可控。
帶走什麼：ReDimNet2-B6 約 12.3M、13.05 GMACs；Vox1-H/E/O clean EER 0.99／0.52／0.29，SphereFace2-C 預訓練加大…
下一步：資源有限的 SV 部署可對標 B6 設定與 VoxCeleb2-dev 訓練配方，直接比 cosine、無 score norm。
Kiwano：開源講者驗證工具包
SV 工程底座
為什麼重要：把 checkpoint averaging、large-margin FT、CMF、adaptive s-norm、QMF 整成可複現 pipeline。
帶走什麼：fwSE-ResNet-200 完整 refinement 後 Vox1-H clean EER 0.92、minDCF 0.086；Vox1-O EER 0.34、minDCF…
下一步：要复現 SOTA 後處理鏈時直接跟 Kiwano 全流程，統一 P_target=0.01 與 C_miss=C_fa=1。
w2v-BERT 2.0 與知識蒸餾導向結構化剪枝強化講者驗證
今日 SV 頂峰
為什麼重要：自監督骨幹加 LoRA／MFA 與 KD 結構化剪枝，在多個 clean／multi-enrollment 榜單 rank #1。
帶走什麼：Vox1-H/E/O EER 0.55／0.27／0.12；CN-Celeb multi-enroll EER 4.67；訓練含 VoxCeleb2+VoxBlink2 與 sc…
下一步：追絕對 SOTA 先讀此 pipeline；注意額外公開數據與 large-margin FT、校準對 EER／minDCF 的貢獻。
以檢索增強穩健適配大型多模態模型做仇恨迷因偵測
多模態安全
為什麼重要：把 LMM 適配成 retrieval-augmented hateful meme 偵測，supervised 設定登頂 Hateful Memes。
帶走什麼：兩階段 RA-HMD fine-tuning 搭配 LRC inference，test_seen ROC-AUC 91.1、rank #1。
下一步：內容審核／迷因理解可復用 retrieval + 兩階段 FT + LRC；以 AUC 為主指標對照 test_seen。