What Was That Again? Certified Robustness for Automatic Speech Recognition
自动语音识别(ASR)系统对对抗性和良性扰动高度敏感,但现有检测方法因缺乏真实转录的先验知识而难以在部署系统中实施。本文提出一种基于认证思想的鲁棒性增强方法,通过双门控诊断管道提升系统可靠性。该管道包含两个核心模块:一是“两侧原子审计”,通
共收录 4 条相关情报。
← 返回所有主题自动语音识别(ASR)系统对对抗性和良性扰动高度敏感,但现有检测方法因缺乏真实转录的先验知识而难以在部署系统中实施。本文提出一种基于认证思想的鲁棒性增强方法,通过双门控诊断管道提升系统可靠性。该管道包含两个核心模块:一是“两侧原子审计”,通
本文提出了一种新颖的方法,利用多大型语言模型系统(MLS)与混合检索增强生成(HybridRAG)技术,实现BSI IT-Grundschutz认证的半自动化。研究背景是欧盟NIS2指令的出台导致更多企业需要获得信息安全认证,但专业认证人员
本文提出了一种新的机器学习模型认证度量——方向锐度(Directional Sharpness),旨在高效且可靠地指示模型的泛化能力。在模型认证中,泛化能力是关键质量指标,但直接认证泛化不可行,因为它依赖于未知数据且不可直接测量。传统代理指
该论文研究了英国《在线安全法》和欧盟《数字服务法》等法规中,将标量指标作为在线平台合规证据的可靠性问题。监管机构依赖这些指标,但平台可能通过策略性操作(例如将推荐路由到语义等价但危害不变的内容变体)来优化指标分数,而不真正减少伤害。作者将审