研究人员开发了一个新基准，名为“超越分类：用于呼吸声学基础模型的咳嗽回归基准”，用于评估基础模型从咳嗽音频预测连续健康指标的性能。该基准在三个数据集上评估了五个模型和六个目标，并比较了不同的回归头。结果表明，MLP-small头优于基线预测器，模型性能受数据集大小和头容量的影响，存在权衡。研究还强调了跨数据集迁移学习的不对称性，大型多样化数据集比反之更能泛化到小型临床人群。 AI
影响 该基准有望推动能够通过音频分析被动监测呼吸健康的AI模型的发展。
排序理由 该集群包含一篇介绍新基准和针对特定任务的AI模型评估的学术论文。[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 →