Apple Machine Learning Research（RSS）·· 14 天前AI 评分39
Apple 提出半监督联邦 ASR 实用方案：在线伪标签与服务器更新稳定化
A Practical Recipe for Semi-Supervised Federated ASR: Online Pseudo-Labels with Server Update Stabilization
AI 导读
针对半监督联邦学习 ASR 中伪标签误差跨序列、跨轮次累积导致发散的问题，Apple 研究指出缩小与全监督联邦学习差距取决于教师与锚点两条耦合设计轴。每客户端在线教师经稳定化后在同域匹配或超越广播全局教师，服务器在轮次间持续用标注数据训练是防止在线教师漂移的关键。该方案在 11 组对比中 9 组优于最强先前方法，同域平均提升 20.8%，跨域提升 10.0%。
整理与数据来源：AIHOT
来源：Apple Machine Learning Research（RSS） · machinelearning.apple.com