English(EN) Scaling few-shot spoken word classification with generative meta-continual learning

GeMCL算法扩展少样本语音词分类

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-05 04:00

研究人员开发了一种名为生成式元持续学习（GeMCL）的新方法，以改进少样本语音词分类。该方法允许模型以每个类别仅五个样本的条件，顺序学习区分1000个类别。与传统的微调或重复训练方法相比，GeMCL表现出稳定的性能和显著更快的适应速度，同时使用了更少的数据和计算资源。 AI

影响这项研究可以实现更高效、可扩展的语音词分类系统，降低新类别学习的数据和计算要求。

排序理由该集群包含一篇详细介绍特定机器学习任务新算法的学术论文。[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 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Louise Beyers, Batsirayi Mupamhi Ziki, Ruan van der Merwe · 2026-06-05 04:00

利用生成式元持续学习扩展少样本语音词分类

arXiv:2605.13075v3 Announce Type: replace Abstract: Few-shot spoken word classification has largely been developed for applications where a small number of classes is considered, and so the potential of larger-scale few-shot spoken word classification remains untapped. This paper…