研究人员在将随机平滑用于音频分类鲁棒性认证时，发现了一个关键的歧义。标准方法假设噪声是在单个向量空间中添加的，但音频处理通常涉及多种转换，这使得认证对象不明确。研究表明，不同的表示法（如原始波形与对数梅尔特征）和预处理步骤（如归一化）会显著改变鲁棒性认证结果。作者建议在音频鲁棒性研究中明确报告认证对象、扰动模型和加噪后的几何变化，以确保准确性和可复现性。 AI
影响 阐明了在音频任务中认证人工智能模型鲁棒性的方法论，这对于安全关键型应用至关重要。
排序理由 学术论文，详细介绍特定人工智能子领域的新颖方法或发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →