PulseAugur
实时 23:32:06
English(EN) Auditing Training Data in Generative Music Models via Black-Box Membership Inference

新方法审计生成音乐模型训练数据

研究人员开发了一种新颖的黑盒成员推理技术,用于审计生成音乐模型的训练数据。该方法通过分析特定音频样本与其在给定字幕条件下模型生成输出之间的对齐情况,来确定该样本是否在训练过程中被使用。该方法在各种最先进的音乐生成器上均取得了高精度,证明了即使在无法访问模型参数或元数据的情况下,审计训练数据的可行性。 AI

影响 能够验证生成音乐模型的训练数据,解决了关于同意和透明度的担忧。

排序理由 这是一篇研究论文,详细介绍了一种审计生成音乐模型的新方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法审计生成音乐模型训练数据

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yi Chen Liu, Jiawei Yu, Kexin Cao, Syed Irfan Ali Meerza, Trishika Movva, Jian Liu ·

    通过黑盒成员推理审计生成音乐模型中的训练数据

    arXiv:2605.29202v1 Announce Type: new Abstract: Recent advances in text-to-music generation enable high-fidelity synthesis of structured musical audio, raising growing concerns about data provenance, consent, and training transparency. These models are typically trained on large-…