BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

LC4SV：学习调节未见说话人验证模型的去噪框架

💡 原文中文，约300字，阅读约需1分钟。
📝

内容提要

该研究旨在提高自动说话人验证系统的欺骗稳健性，通过无监督领域适应技术优化后端分类器，改善了系统在逻辑和物理接近情境下的表现。此外，还进行了攻击分析和数据构成等额外研究。

🏷️

标签

后端分类器 攻击分析 无监督领域适应技术 欺骗稳健性 自动说话人验证系统
➡️

继续阅读

  1. AI 智创简报：《说话人分离专利转向流式，转写接单者的工具活》
    近一年，NVIDIA与Google公开了四项说话人分离专利，推动该技术从离线批处理转向流式处理，并引入大模型纠错。此技术旨在解决转写中“谁在何时说话”的难...
  2. Kimi K3 模型结构（10）：RL 与服务，状态住在哪里
    本文介绍Kimi K3模型在1M上下文强化学习与线上服务中的系统设计，核心是状态管理。KV块和KDA状态通过write-back策略在GPU与DRAM池间...
  3. Kimi K3 模型结构（9）：显存，把 2.8T 塞进 GPU
    本文详解Kimi K3模型训练中的显存优化策略，通过账本形式分析权重、激活等内存占用，并介绍六项关键技术：均衡PP rank激活、统一激活管理器、MoE反...
  4. DeepSeek-V4 模型结构（7）：结构决定系统
    DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...
  5. DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
    DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...
  6. Kimi K3 模型结构（8）：训练并行，一步训练里谁在等谁
    本文介绍Kimi K3模型预训练的并行系统设计，聚焦MoE层expert并行。核心是MoonEP方案：每个rank预留E/R个冗余expert槽位，确保任...
👤 个人中心
在公众号发送验证码完成验证