面向零样本呼吸音频分类的自适应测试时扩展
声音
2026-04-15 v1 计算与语言
摘要
自动化呼吸音频分析为可扩展的、非侵入性的疾病筛查提供了前景，但由于标注数据稀缺和专家标注成本高昂，进展受限于此。零样本推断消除了任务特定的监督，但现有方法对每种输入无论其难易程度都施加统一的计算。我们提出了 TRIAGE，一个分层的零样本框架，能够通过将每个音频样本路由到 progressively 更丰富的推理阶段来自适应地扩展测试时计算：在联合音频-文本嵌入空间中的快速标签-余弦评分（Tier-L），与临床医生风格描述符的结构化匹配（Tier-M），以及检索增强的大语言模型推理（Tier-H）。基于置信度的路由器在确定性预测早期终止，而为模糊输入分配额外计算，从而使近一半的样本可在最经济的层级中退出。在九个呼吸分类任务上进行零样本推断，TRIAGE 实现了平均 AUROC 为 0.744，超越了先前的零样本方法，并在多个任务上匹配或超过监督基线。我们的分析表明，测试时扩展集中于它们至关重要的地方：不确定的案例可实现最高达 19% 的相对改进，而确定性预测在最小成本下保持不变。
引用
@article{arxiv.2604.12647,
title = {Adaptive Test-Time Scaling for Zero-Shot Respiratory Audio Classification},
author = {Tsai-Ning Wang and Herman Teun den Dekker and Lin-Lin Chen and Neil Zeghidour and Aaqib Saeed},
journal= {arXiv preprint arXiv:2604.12647},
year = {2026}
}
备注
Accepted at AHLI CHIL 2026