Il y a plus de 3 ans, lorsque je jouais encore à Sovits, le modèle vocal nécessitait de séparer (éliminer le bruit de fond) la voix principale avant l'entraînement.

Ensuite, il fallait effectuer une sélection sur le jeu de données, en éliminant les parties avec un bruit de fond élevé, puis commencer l'entraînement.
En général, environ 8000 étapes d'entraînement donnaient la meilleure fidélité de reproduction du timbre, si on dépassait 8000 étapes et que la note restait en dessous de 25, ce jeu de données et cet entraînement étaient pratiquement inutilisables. Si vous insistiez pour continuer, en entraînant jusqu’à plus de 14000 étapes, on rencontrait ce qu’on appelle une “divergence”, ce qui finissait par produire un son soit “très électronique”, soit “pas humain, pas fantomatique”.
Est-ce que cela ne ressemble pas aux étapes de développement du trading quantitatif ? Le processus d’extraction de la voix principale, c’est comme donner à la machine un ensemble de données pour qu’elle apprenne et prévoie, éliminer les parties avec un bruit de fond élevé, c’est comme filtrer les mouvements de marché inutiles (les fluctuations extrêmes en 1 minute). En entraînant jusqu’à 8000 étapes, on évite un surapprentissage sévère, mais en allant jusqu’à 14000 étapes, la “divergence” (surapprentissage grave) survient, ce qui conduit finalement à un résultat en trading réel qui revient à lancer une pièce.
Même si ce n’est pas dans le même domaine, la logique sous-jacente est la même.
Il est difficile de dire si un jour, ce qui nous battra ne sera pas quelqu’un venant d’un autre secteur, plutôt que le secteur lui-même...