基于几何一致性的无标签验证：音频主动学习中检查点选择的新方法

该研究提出基于几何一致性的无标签验证规则，用于在音频主动学习中以最低标注成本选择检查点。 规则通过构建最近类均值和 k 近邻分类器，在冻结的预训练嵌入空间中预测未标记数据的几何结构，通过单一超参数和每轮一次批量前向传播实现最佳无额外标签方法的 AULC 平均排名。 这是首次对音频主动学习检查点选择中无标签验证的系统性研究。