中央音乐学院讲师
张昕然，中央音乐学院音乐人工智能与音乐信息科技系教师，拥有工学博士学位和艺术学博士学位。本科至首个博士毕业于北京邮电大学信息与通信工程学院。后以专业第一成绩考入中央音乐学院首届音乐人工智能博士，师从俞峰教授、孙茂松教授，毕业后留校任教。研究方向包括信号处理、语言模型等。发表论文20余篇，包括ACL, IEEE Wirel Commun, GlobeCom等。担任IEEE Transactions on Computational Social Systems特刊编辑。获2023年国际音乐声源分离挑战赛赛道A全球冠军。获国家发明专利授权9项。参与多项国家级科研项目。
报告摘要：
报告首先介绍神经网络损失截断技术的基本原理，随后讲解该技术的两个应用。在自回归语言模型生成任务场景下，使用损失截断技术可以克服数据集存在的幻觉事实问题，从而提升语言模型的鲁棒性、提升所生成样本的质量。在音乐声源分离场景下，使用损失截断技术可以自适应地对抗错误标签问题，从而实现无监督的鲁棒性音乐声源分离。实验结果表明，在不改变模型架构的情况下，仅依赖加入损失截断技术就可以大幅度提升噪声标签场景下的音乐声源分离效果，大幅度提升评测指标。