University of Edinburgh（爱丁堡大学）

Stress Testing Concept Erasure with Large Language Model Agents

用大语言模型智能体对概念擦除进行压力测试

Yuyang Xue, Feng Chen, Zhihua Liu, Edward Moroshko, Jingyu Sun, Steven McDonagh, Sotirios A. Tsaftaris

机构 * School of Engineering, University of Edinburgh（爱丁堡大学工程学院） ； The University of Manchester（曼彻斯特大学） ； The University of Melbourne（墨尔本大学） 纠错

AI总结 研究针对概念擦除评估面临的验证挑战，提出STACE框架，利用大语言模型智能体迭代生成并验证压力测试假设，通过一套指标评估性能效率，经实验证明该框架在多方面表现优异且可拓展到其他领域。

Comparative evaluation of training strategies using partially labelled datasets for segmentation of white matter hyperintensities and stroke lesions in FLAIR MRI

使用部分标注数据集训练策略的比较评估：FLAIR MRI中白质高信号和卒中病变分割

Jesse Phitidis, Alison Q. Smithard, William N. Whiteley, Joanna M. Wardlaw, Miguel O. Bernabeu, Maria Valdés Hernández

机构 * University of Edinburgh（爱丁堡大学） 纠错

AI总结 本研究系统评估了六种利用部分标注数据训练联合分割白质高信号和缺血性卒中病变模型的策略，发现伪标签法最有效，可提升模型性能并支持大规模临床研究。

Is Smaller Always Faster? Tradeoffs in Compressing Self-Supervised Speech Transformers

更小的总是更快的吗？压缩自监督语音Transformer的权衡

Tzu-Quan Lin, Tsung-Huan Yang, Chun-Yao Chang, Kuang-Ming Chen, Tzu-hsun Feng, Hung-yi Lee, Hao Tang

机构 * Graduate Institute of Communication Engineering, National Taiwan University, Taiwan（台湾国立台湾大学通信工程研究所） ； University of California, Los Angeles, United States（美国加州大学洛杉矶分校） ； University of Washington, United States（美国华盛顿大学） ； University of Edinburgh, United Kingdom（英国爱丁堡大学） 纠错

AI总结 本文研究了压缩自监督语音Transformer的权衡，评估了四种压缩方法并比较了几种最新技术，为实际部署提供指导。

Comments Accepted at ASRU 2025. Code is available at https://github.com/nervjack2/Speech-SSL-Compression

Journal ref 2025 IEEE Automatic Speech Recognition and Understanding Workshop (ASRU), pp. 1-7