DistilHuBERT口音分类评估方法受质疑

Xu He 与 Homayoon Beigi 发表研究，重新评估基于 DistilHuBERT 的口音分类鲁棒性。研究以 L2-ARCTIC 及多个外部英语口音数据集对比发现，按文件划分数据会显著高估模型性能，只有按说话人分离评估才能更真实反映模型对未见说话人的泛化能力。 研究称，仅用外部数据训练的模型无法可靠泛化到 L2-ARCTIC；在测试的配置中，均衡外部数据训练在监督设置下表现最好；而仅靠置信度过滤的伪标签在域不匹配下效果不足。

根据报道生成 · 1 天前更新

还没有足够的连续观测数据，暂不绘制趋势。