穿越互相连接的数据集：来自高引用ICASSP论文的经验

随着音频机器学习结果在社会性影响力大的应用中得到部署，了解所使用数据的质量和来源显尤重要。不幸的是，在应用机器学习领域的学术出版物中，关于这一明确性的讨论并不受到鼓励，且通常也未被包含在典型的应用机器学习课程中。本文present了一项研究，探讨了与国际声学、信号与信号处理会议 (ICASSP) 最高引用论文相关的数据集用法。在此过程中，我们对所使用的数据集的来源进行了彻底的深度分析，常常导致必须超越官方论文中报告的搜索，最终导致来源不清或交织不清。尤其在当前推动更大规模甚至生成式AI模型的趋势下，对数据来源责任感的意识正在增加。鉴于此，我们呼吁社区不仅关注构建更大模型，还应为明确这些模型所基于的基础设施创造更多空间并给予奖励。