AudioMosaic és biztonságosabb AI ügynökök az ICML 2026-on

Több mint 13 ezren vettek részt az ICML 2026-on

Dr. Hanxun, vagyis Curtis Huang, Afsaneh Hasanebrahimi, Hesam Asadollahzadeh és Sarah Erfani professzor, a Melbourne-i Egyetem kutatói részt vettek a gépi tanulás nemzetközi konferenciáján, az ICML 2026-on. A rendezvényt a dél-koreai Szöulban tartották, és a szervezők szerint több mint 13 000 résztvevőt vonzott.

Az ARC Centre of Excellence for ADM+S kutatói a konferenciát arra használták, hogy megosszák eredményeiket a nemzetközi gépi tanulási közösséggel, valamint kapcsolatot építsenek akadémiai és iparági kutatókkal. A találkozók között ByteDance, az OpenAI, a Liquid AI és a Dolby kutatói is szerepeltek. A központ szerint ezek a kapcsolatok későbbi együttműködések előtt nyithatnak utat a mesterséges intelligencia biztonságával és az AI-ügynökök értékelésével kapcsolatban.

Az AudioMosaic címkézetlen adatokból tanulna

Hanxun Huang az AudioMosaic: Contrastive Masked Audio Representation Learning című tanulmányt mutatta be. A munka az ADM+S Generative AI Test Range programjának Generative Authenticity projektje keretében készült.

Az AudioMosaic egy önfelügyelt tanulási keretrendszer. A módszer ugyanarról a hangspektrumról két, egymást kiegészítő maszkolt nézetet készít, majd ezek segítségével tanít hangmodellt. A tanulmány szerint az így létrehozott reprezentációk többféle feladathoz használhatók, köztük hangosztályozáshoz, beszédértéshez, környezeti hangok felismeréséhez, deepfake-ek észleléséhez, valamint hang és nyelv közös modellezéséhez.

Huang szerint a hang egyre fontosabb szerepet kap a beszédasszisztensekben, a környezeti megfigyelésben, illetve a mesterségesen létrehozott vagy manipulált hangokat felismerő rendszerekben. A jó minőségű hangalapmodellek betanítását ugyanakkor megnehezíti, hogy a címkézett adatok előállítása költséges. A kutatók állítása szerint az AudioMosaic hatékony módszert kínál általános célú hangreprezentációk tanulására.

A látásnyelvi modellek rejtett hibáira is figyelnének

Afsaneh Hasanebrahimi a Density-Aware Translation of Spurious Correlations in Zero-Shot Vision-Language Models című tanulmányt ismertette. A munka egy tanítás nélküli módszert javasol, amely csökkentené a látásnyelvi modellek függését a félrevezető környezeti jelektől, és javítaná a modellek robusztusságát.

Hasanebrahimi szerint a mesterséges intelligencia értékelésénél túl kell lépni a szokásos teljesítménymutatókon. A kutatók azt is vizsgálnák, hogy a rendszerek hol, miért és kik esetében hibáznak. A konferencia egyik tanulsága szerinte az volt, hogy olyan kevésbé látható modellviselkedéseket is elemezni kell, mint a memorizálás, a hamis összefüggések használata és a rövidítésekre való túlzott támaszkodás. Ezeket a hagyományos értékelési mutatók nem feltétlenül jelenítik meg.

Az AI-ügynökök bevezetés előtti vizsgálata kerül előtérbe

Az ICML 2026-on folytatott beszélgetések az AI-ügynökök értékelését is érintették. Huang szerint a konferencia megerősítette, hogy egyre fontosabbá válik a szimulációalapú vizsgálat. Sok szervezet olyan megbízható módszereket keres, amelyekkel az AI-ügynökök biztonsága még a bevezetés előtt értékelhető és ellenőrizhető.

Az ADM+S kutatóinak bemutatott munkái így két, egymással összefüggő területhez kapcsolódnak. Az AudioMosaic a hangadatokból történő általános reprezentációtanulást célozza, míg a másik tanulmány a modellek robusztusságát és kevésbé látható hibáit vizsgálja. A kutatók szerint mindkét irány hozzájárulhat a különböző AI-rendszerek megbízhatóbb értékeléséhez.