arXiv · cs.AI· Kunyu Feng, Yuxiang Wang, Li Wang, Wan Lin, Zhizheng Wu·· 9 小时前
CoReLoop：用参数高效循环精炼提升音频深度伪造检测泛化能力
CoReLoop: Parameter-Efficient Controlled Recurrent Refinement for Audio Deepfake Detection
arXiv:2609.19818v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Kunyu Feng, Yuxiang Wang, Li Wang, Wan Lin, Zhizheng Wu
研究任务与主要进展
CoReLoop通过循环专用LoRA与轻量模块，在不更新原检测器参数、也不增加训练数据的情况下，为已训练SSL音频深度伪造检测器增加可控的循环精炼。基于论文摘要，在14个测试集上，该方法覆盖3、6、12和24层编码器；24层模型采用两轮精炼时，EER从4.85%降至3.74%，仅训练约598M参数中的11M。加入可选停止头后，平均进行1.18轮精炼即可达到3.73%的EER。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org