Eyal Hanania

研究揭示AI笑声检测中的结构化分歧

研究人员发现，在时间笑声定位中，标注者之间的分歧是结构化的，而非随机的。一项对SMILE-Temporal基准进行的重新标注研究发现，分歧在笑声的结束点比开始点更常见且幅度更大，并且对于轻笑比完全的笑声更频繁。这种结构化的分歧显著影响系统评估，导致分数根据所选的真实标注而变化。研究人员提出了一种分歧校准的评估方法，使用共形校准的容差带（tolerance bands）来解释这些系统性模式。