XiaoMi-AI文件搜索系统
World File Search SystemSpeech
揭穿 Deepfakes：利用增强和特征可变性进行 Deepfakes 语音检测
随着深度伪造技术的快速发展，深度伪造语音的检测变得越来越具有挑战性。在本文中，我们提出了一种用于深度伪造语音检测的混合架构，将用于特征提取的自监督学习框架与分类器头相结合，形成端到端模型。我们的方法结合了音频级和特征级增强技术。具体而言，我们介绍并分析了用于增强原始音频频谱图和在训练期间增强特征表示的各种掩蔽策略。我们在特征提取器的预训练阶段加入了压缩增强，以解决小型单语言数据集的局限性。我们在 ASVSpoof5（ASVSpoof 2024）挑战赛上对该模型进行了评估，在封闭条件下在 Track 1 中取得了最佳结果，等错误率为 4.37%。通过使用不同的预训练特征提取器，该模型实现了 3.39% 的增强 EER。我们的模型表现出了抵御未知深度伪造攻击的强大性能，并在不同的编解码器中表现出了强大的泛化能力。
语音和语言处理
i NLP 1 1简介的基本算法。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。3 2正则表达式，令牌化，编辑距离。。。。。。。。。。。。。。。4 3 n克语言模型。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。32 4天真的贝叶斯，文本分类和情感。。。。。。。。。。。。。。。。。56 5逻辑回归。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。77 6矢量语义和嵌入。。。。。。。。。。。。。。。。。。。。。。。。。。。。。101 7神经网络。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。132 8 RNN和LSTMS。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。158 9变压器。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。184 10大语言模型。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>203 11蒙版语言模型。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>223 12模型对齐，提示和内在学习。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>242 div>
语音和语言处理
i NLP 1 1简介的基本算法。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。3 2正则表达式，令牌化，编辑距离。。。。。。。。。。。。。。。4 3 n克语言模型。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。32 4天真的贝叶斯，文本分类和情感。。。。。。。。。。。。。。。。。56 5逻辑回归。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。77 6矢量语义和嵌入。。。。。。。。。。。。。。。。。。。。。。。。。。。。。101 7神经网络。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。132 8 RNN和LSTMS。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。158 9变压器。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。184 10大语言模型。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>203 11蒙版语言模型。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>223 12模型对齐，提示和内在学习。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>242 div>
印度财政部秘书长 KM Mahinda Siriwardana 先生致辞
1. 基于收入的财政整顿 2. 建立健全的社会安全网 3. 恢复公共债务可持续性 4. 恢复价格稳定和重建外部缓冲 5. 维护金融部门稳定 6. 减少腐败脆弱性 7. 促进增长的结构性改革 过去两年半实施的全面宏观经济改革带来了显著的积极经济成果。政府收入增加和预算赤字减少导致借贷需求减少，并允许消除货币融资，从而帮助迅速控制通货膨胀。政府借贷减少有助于改善信贷市场流动性，允许利率下降并降低私营企业和家庭的融资成本。由于成本反映定价，国有企业（如 CEB 和 CPC）的借贷需求减少，也释放了流动性，这些流动性可以借出用于生产性经济活动，以支持经济复苏和增长。协调的财政和货币政策改革缓解了长期存在的“双赤字”问题，导致初级预算盈余和国际收支经常账户盈余，从而导致货币升值。
算法演讲和第一修正案的限制
摘要。机器学习算法越来越多地调解我们的公开话语，从搜索引擎到社交媒体平台到人工智能公司。作为他们对在线语音膨胀的影响，关于第一修正案是否以及如何适用于其产出的问题也是如此。越来越多的学者合唱表达了对机器学习算法的输出是否真正在《第一修正案》的含义中的言语，但没有人提出一种可行的方法来清洁语音和非语音之间的界限。本文提出了一种基于我们称为“语音确定性”的原则成功绘制该线路的方法，这是语音是语音的基本观念，只有说话者知道他说的话时说什么。这个想法植根于《第一修正案》的文本，历史和目的，并内置在现代的编辑酌处权和表达行为的语言学说中。如果这种基岩原则被忽略了，那是因为到目前为止，所有演讲都充满了语音确定性。从来没有必要表达其存在。但是机器学习改变了这一点。与传统代码不同，仔细研究机器学习算法的工作方式表明，创建它们的程序员永远无法确定其输出。因为该输出缺乏语音确定性，所以这不是程序员的言语。因此，本文认为机器学习算法的输出无权获得第一修正案保护。它揭示了算法如何起作用的问题在宪法上很重要。在穆迪诉NetChoice案中与最高法院要求进一步询问社交媒体平台所构成的表达性活动，这一问题不再被忽略。通过未能区分传统和机器学习算法，我们冒着与第一修正案法学的几个世纪的彻底偏离的风险。对机器学习算法的输出的保护将是宪法历史上的第一次
州长沃勒对经济前景的讲话
3，例如，卡萨尔迪·加西亚（Cascaldi-Garcia）等人（2024年）记录，在大流行和通货膨胀发作期间，标题通货膨胀量的核心和非核心组成部分在整个国家 /地区都有强烈的共同批准。 see Danilo Cascaldi-Garcia, Luca Guerrieri, Matteo Iacoviello, and Michele Modugno (2024), “Lessons from the Co-movement of Inflation around the World,” FEDS Notes (Washington: Board of Governors of the Federal Reserve System, June 28), https://doi.org/10.17016/2380-7172.3543 .4关于供应链中断在加油中的作用的早期说明，请参见Ozge Akinci，Gianluca Benigno，Ruth Cesar Heymann，Julian Di Giovanni，Jan J.J. Groen, Lawrence Lin, and Adam I. Noble (2022), “The Global Supply Side of Inflationary Pressures,” Federal Reserve Bank of New York, Liberty Street Economics (blog), January 28, https://libertystreeteconomics.newyorkfed.org/2022/1/the-global-supply-side-of-inflationary-pressures .有关将供应中断传输到全球价值链时，请参见Françoisde Soyres，Alexandre Gaillard，Ana Maria Santacreu和Dylan Moore（2024），“供应破坏和财政刺激：通过全球价值链的传播”，《 AEA Papers and Conlingings and Conlingings》，第1卷。114（5月），pp。112–17。
库克行长就经济前景和金融稳定发表讲话
4 参见国际货币基金组织（2024 年），《全球金融稳定报告：最后一英里：金融脆弱性和风险》（华盛顿：IMF，4 月），https://www.imf.org/en/Publications/GFSR/Issues/2024/04/16/global-financial-stability-report-april-2024。
建议引用：Meske, Christian；Bunde, Enrico (2022)：基于人工智能的决策支持系统中用户界面的设计原则：可解释的仇恨言论检测案例，信息系统前沿，ISSN 1572-9419，Springer US，第 25 卷，Iss。2，第 743-773 页，https://doi.org/10.1007/s10796-021-10234-5
摘要 社交媒体中的仇恨言论是一个日益严重的问题，会对个人和整个社会产生负面影响。社交媒体平台上的版主需要技术支持来检测有问题的内容并做出相应的反应。在本文中，我们开发并讨论了最适合为使用人工智能 (AI) 协助人类版主的决策支持系统创建高效用户界面的设计原则。我们对三个设计周期内的各种设计方案进行了定性和定量评估，共有 641 名参与者。除了测量感知易用性、感知有用性和使用意图外，我们还进行了一项实验，以证明 AI 可解释性对最终用户感知的认知努力、感知的信息量、心理模型和 AI 可信度的重大影响。最后，我们与软件开发人员一起测试了获得的设计知识，他们对所提出的设计原则的可重用性评价为高。