AudioFM 论文上线 arXiv:录音级对比+掩码判别实现通用音频表征
iScienceLuvr · x · 2026-10-27
AudioFM 的 arXiv 论文页面(arXiv:2610.34183,2026-10-25 提交),作者 Yamin Li 等 22 人,来自 Google Research/DeepMind、Vanderbilt 与华盛顿大学。
- 核心思路:录音级对比目标只约束池化后的整体表征,不监督局部时频信息;AudioFM 将录音级对比与 patch 级掩码隐空间判别结合,用可见声学上下文预测被掩码 patch 的表征并从其他录音候选中识别对应的 full-view teacher 目标,再加时间邻域弱监督。
- 结论:在 linear probing、fine-tuning 与 zero-shot 迁移中跨多个音频域取得 SOTA,事件检测更强、场景理解更稳、域泛化更好。
所属事件:DeepMind 发布 AudioFM，通用音频表征 12 项任务 10 项最佳(2 条相关)→
「研究」频道最新
- ICLR 新评审引入 Informativeness 问题，学者称这正是读论文的核心之问 — CSProfKGD · 2026-10-27
- 引文分析:神经科学与 AI 双向桥接真实升温,但狭窄且偏工具化 — EricTopol · 2026-10-27
- JHU+斯坦福开源 Merlin 模型,一次点击自动勾出 CT 中的肿瘤 — MaziyarPanahi · 2026-10-27
- 对 AI 与数学的乐观访谈：研究者称旧世界已一去不返 — Alex__007 · 2026-10-27
- Rob Leclerc 断言 P≠NP 不会被证明，否则 AI 将无所不能 — robleclerc · 2026-10-27
- 博主撰文科普指数时间假设，质疑 OpenAI 宣称其为假的说法 — Gravity13 · 2026-10-27