I Can Hear You：选择性扰动高频，F-SAT 如何增强音频深伪检测？
按 ICLR 2025 正式版拆解 F-SAT：STFT 幅度、频带掩码、随机增强与鲁棒损失。保留攻击预算，解释正式版表格与早期 arXiv 结果的差异。
Research · Ideas · Understanding
论文笔记
深度阅读 AI 论文，记录音频安全、Agent、推理与多模态研究中的问题、方法和证据。
按兴趣筛选
分类与标签均可多选，自由组合你关心的内容。
Paper Insights
筛选结果
P²V：从近满分到跨数据集失准，25 万条语音揭示检测盲区
P²V 用 206 位公众人物、十种合成流程和十类扰动检验泛化。解释 DDS 综合分数、约 43 分的跨域落差，以及噪声、生成器与类别不平衡的影响。
合成语音真能可靠检测吗？白盒、黑盒与迁移攻击揭示的边界
四款检测器、三种权限与音质评估：为什么标准基准上的低 EER 不能替代主动攻击测试？逐步解释波形扰动、SimBA 查询与跨模型迁移的证据边界。
FoeGlass：不改波形、不训练模型，LLM 如何找到音频伪造检测器的盲区？
ICML 2026 论文解读：用上下文学习搜索 TTS 输入，结合检测器分数与多样性反馈寻找自然对抗样本。拆解数据流、94 个百分点的真实含义、迁移实验与 v1 的指标歧义。
