Bài 10 — Tự đọc lại và bảo vệ paper bằng reasoning#
Mục tiêu và tiền đề#
Nối năm lớp trước: signal → task/data → SSL checkpoint → detector → protocol/claim. Cần bài 1–9; quay đúng prerequisite khi thiếu. Đây là self-check cuối, chưa chứng nhận learner đã hiểu hoặc chọn hướng mới.
1. Mẫu trình bày 90 giây#
“Chúng tôi dùng released Audio-JEPA context encoder ViT-Base cho supervised utterance-level deepfake detection. Toolkit waveform 16 kHz được resample 32 kHz và crop 2,56 s; log-mel 256×128 và patch 8×32 cho 128 tokens. Layer fusion, attentive mean/std và classifier học nhãn B/S bằng weighted CE. Chúng tôi train trên subset ASV2019, báo frozen/full fine-tuning trên năm corpora qua Arena, và kiểm metric/baseline/wrapper paths. Frozen đạt 8,47% EER trên DFADD nhưng nhiều corpora có source khác còn error cao. JEPA có lower mean so AudioMAE ở 3/4 common downstream comparisons; objective attribution và source explanation vẫn là hypotheses.”
Đây là worked answer mẫu, chưa là lời bạn đã nói. Facts/locators nằm ở bài 2–6. Tự nói không nhìn, rồi chọn câu mình chưa giải thích được vì sao.
2. Trace crop và patch qua năm lớp#
| Lớp | Reasoning cần nối |
|---|---|
| 1—Tín hiệu | Hop 10 ms; nominal patch 80 ms, window union 95 ms; upsampling không thêm 8–16 kHz |
| 2—Task/data | Nhãn utterance nhưng thấy prefix; cue ngoài crop có thể mất |
| 3—Checkpoint | Weights/positions/input đổi; same N chưa same geometry; teacher/predictor không downstream |
| 4—Detector | 13 readouts/ASP/MLP; grid 32×4; global attention; frozen head vẫn nonlinear |
| 5—Evidence | Exploration inform choices; chưa single-factor input ablation |
Defense mẫu: “Đây là cấu hình detector được báo cáo, chọn sau exploratory input comparisons. Nó có nominal time grid mịn hơn nhưng thay nhiều input conventions; chưa claim isolated benefit của patch span.”
Phản ví dụ: cue cần 10 s context có thể mất khi crop 2,56 s. Finer grid chưa guarantee tốt hơn. Native input phù hợp upstream event task cũng chưa guarantee forensic transfer.
3. Evidence contract tự điền#
Câu hỏi và loại claim:
Object/task/output/operational labels:
Population/corpus copy/training exposure/development access:
Intervention/contrast và factors giữ cố định:
Metric/score direction/threshold policy/unit:
n và randomness unit; source/version:
Observation + locator; reported vs derived numbers:
Competing explanation; evidence nào phân biệt:
Unknown provenance/assumptions giới hạn claim:Worked contract DFADD frozen Table 4: checkpoint contrast; B/S utterances; ASV subset training/DFADD HF copy; common input/head/training/scoring; gap MAE−JEPA 2,57 pp; n=3 mỗi arm; P Table 4 trang 10. Upstream recipe/native input còn khác, exact run/scores chưa verified ở lớp này. Claim “objective causes improvement” chưa có intervention phù hợp.
4. Trả lời reviewer bằng trace#
| Câu hỏi | Reasoning | Locator |
|---|---|---|
| Có train JEPA objective mới không? | Released pretrain cung cấp encoder; detector weighted CE | §3/Fig. 1 pp.3–5 |
| Frozen là linear probe? | ASP/GELU/LN/std và attention phi tuyến | §§3.2–3.3 pp.4–5 |
| Thắng MAE do objective? | Đo checkpoint transfer; upstream/input còn co-change | §3.4/§8 pp.6/12 |
| Vì sao DFADD tốt hơn Libri? | Source/generator/channel là competing explanations | Table 2/§6 pp.9/11 |
| A05 family-disjoint? | Holdout ID; WORLD chung A02/A03, còn VC A06 khác thuật toán | §4.2 p.7; original ASV Table 1 |
| Ranges không chồng đủ statistics? | Mô tả ba seed, chưa test/CI | §5.2/Table 4 pp.9–10 |
| Model 0,5 M deploy nhanh? | 0,5 M trainable, ≈85,9 M total forward; timing chưa đo | §3.2/Table 2 pp.4/9 |
| v41 proof collapse? | Token metrics trong notes trên speech batches | Bài 8 |
Trả lời việc đã làm, result supports gì và unknown nào material. Acceptance chưa được suy từ lớp học hoặc mốc 12/10.
5. Bài tập cuối#
- Nói trong 90 s; chọn câu thiếu mechanism; trace source và prerequisite.
- Vì sao flip ITW 52→48 chưa là reported result? Khi nào được đổi rule?
- Viết observation v40 và một claim chưa được suy ra.
- Điền contract “source diversity cải thiện generalization”, chưa chọn model/corpus hoặc chạy gì.
Đáp án/tiêu chí reasoning
- Đúng task/loss/shapes/contrast/evidence; vướng 80→95 ms quay STFT, vướng freeze quay update path.
- Flip sau nhìn test là selection; rule chốt trên development data rồi final eval, ghi polarity/history. Finite-sample implementation cũng cần kiểm.
- H Libri4×32:50,01±0,61 vs8×32:41,96±2,93. Chưa refute mọi fine-grained cues vì tokens/init/compute/optimization cùng đổi.
- Cần held-out source population, intervention, sample/compute/exposure controls, metric/threshold, n/group units và manifests. Đây là reasoning template.
6. Rubric gia sư#
0: nhận ra tên;1: định nghĩa;2: trace/tính có assumptions;3: counterexample và evidence phân biệt. Hiểu case-study khi tự trace một decision, đọc một contrast và giới hạn claim không nhìn đáp án. Material complete chưa thay câu trả lời thật.
Tiến độ chỉ cập nhật sau lời giải của bạn. Lớp 6 kết thúc học liệu sáu lớp; không tạo lớp 7 hoặc chọn paper/GPU/venue mới.
Đào sâu: tự giải thích một design decision bằng hai alternative hypotheses và evidence phân biệt, rồi kiểm câu trả lời bằng sources. Chưa chọn hướng triển khai mới.