视频理解AI公司Filer于21日表示，公司两篇研究论文已入选人工智能学术会议NeurIPS 2026。
此次入选的两篇论文分别为CoAT和GAPO。前者聚焦语音中情绪、语调等非语言信息的理解，后者则旨在提升模型在错误或不确定数据环境下的训练稳定性。两项研究成果计划于12月10日在澳大利亚悉尼发布。
其中，CoAT是一项面向语音AI的技术，主要用于补足语音转文本过程中容易丢失的情绪、语调、音高等信息，并将这些信息直接纳入AI推理流程。Filer表示，在三种语音AI模型上的测试结果显示，42项性能评测指标中有38项得到提升。
以Qwen2.5-Omni为例，该模型在语音情绪识别任务中的准确率由约55%提升至约79%。
GAPO则针对基于人类偏好评估的AI训练过程，重点降低错误或不确定数据对训练结果的影响。具体来看，该方法通过对训练中的模型施加细微扰动，衡量评估结果的稳定性，并相应降低不稳定数据在训练中的权重。
Filer将这一技术应用于四种AI模型，并与八种现有训练方法进行了对比。公司称，GAPO在回答质量和用户偏好评估方面整体表现更优；即使在将20%的训练数据人为混入错误的实验条件下，模型仍保持了稳定表现。
Filer表示，相关研究成果将用于品牌安全（Brand Safety）和内容审核技术，以降低广告出现在不适宜内容中的风险。
Filer AI负责人 Kim Jongseok表示，在判断视频是否安全时，除了画面场景外，语音语调和背景声音同样可能是关键信号。公司将持续完善相关技术，进一步提升对此类信息的分析能力。
记者信息
Seulgi Son
sageson@d-today.co.kr