基于几何一致性的无标签验证：音频主动学习中的检查点选择

研究提出几何一致性无标签验证规则，为音频主动学习选择训练检查点，避免验证集标签计入标注预算。该方法在冻结的预训练嵌入空间中，用最近类均值和 k 近邻分类器为未标注数据生成伪标签，并结合预测一致性与已标注集交叉熵评估检查点。跨数据集、编码器和查询策略的匹配标签预算实验中，该方法的 AULC 平均排名在无需额外标签的方法中最佳，与超出预算的验证集相当。