音频主动学习提出几何一致性无标签验证方法

2026年10月27日，arXiv发布了一项针对音频主动学习的新研究。该研究由Shiqi Zhang提出，旨在解决检查点选择中的高标注成本问题，首次对音频领域此场景下的无标签验证进行系统性研究。 核心方法为“几何一致性”无标签验证规则。研究利用已标注数据在冻结的预训练嵌入空间中，构建最近类均值和k近邻两种分类器，以预测未标记数据的几何结构。 该方法通过单一超参数和每轮一次批量前向传播实现优化。实验显示，该规则在平均排名上达到了无额外标签方法中的最佳水平，有效降低了验证阶段的标注需求。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。