跳到正文
热点事件持续更新

EBM 训练提出新评分学习准则

1 篇报道1 个报道来源4 小时前更新

先了解这件事

事件综述

Wanli Sun 与 Anton Ragni 提出一种面向基于能量模型（EBM）训练的评分学习准则，称其学到的评分更适合一阶优化推理，并在 EBM 训练实验中与噪声对比估计（NCE）、切片得分匹配（SSM）等方法做了对比。 作者指出，NCE 依赖噪声样本质量，且 NCE 与 SSM 都忽略了对数似然函数的形式，这是新准则试图解决的问题。该工作已被 Interspeech 2025 接收。 相关结论来自论文自身表述与实验，尚属作者主张，未在报道中给出第三方验证。

根据报道生成 · 3 小时前更新

最新进展10月15日 12:00
面向基于能量的 TTS 模型的得分训练方法

报道时间线

沿着报道，了解事件的不同侧面。

10月15日
  1. arXiv eess.AS
    面向基于能量的 TTS 模型的得分训练方法

    针对基于能量的模型（EBM）训练中 NCE 依赖噪声样本质量、且 NCE 与切片得分匹配（SSM）均忽略对数似然函数形式的问题，本文提出一种更适合一阶优化推理的得分学习准则，并在 EBM 训练实验中对比了这些方法。该工作已被 Interspeech 2025 接收。

本事件热度走势

可比范围当前
9
可比范围峰值
910月15日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。