本研究提出了一种新的自监督正样本采样技术（SSPS），有效克服了传统说话人验证方法的局限性。SSPS显著提高了验证性能，SimCLR-SSPS的错误率降低了58%，与DINO-SSPS表现相当。

该研究提出了一种名为TL + KD的机器学习架构，将知识蒸馏应用于迁移学习，并与传统TL进行了比较。结果表明，使用较大的教师网络提供指导和知识可以改善学生网络的验证性能。同时，研究了不同场景下的性能表现。

该研究提出了TL + KD机器学习架构，将知识蒸馏应用于迁移学习，结果表明使用较大的教师网络可以改善学生网络的验证性能。同时，研究了不同场景下的性能表现。