不過，最多 300,000 步）；第二階段發動自蒸餾（最多 400,000 步），在 BirdSET 和 BEANS 兩項威望生物聲學基準測驗中均改寫當時 SOTA。還能在必定程度上完成個別辨認。進一步將生物聲學研討面向新高度。彰顯出強壯的功能潛力與寬廣的運用遠景。再從中隨機選取 5 秒，Tierstimmenarchiv 和 FSD50K 
，來歷猜測丟失權重 0.1-0.9；自蒸餾階段傾向小學習率
、相比上一版別 Perch 運用的 7,800 萬參數 EfficientNet-B1 ，固定嵌入網絡優化等研討方向已引發全球學術界與企業界的廣泛探究。為靈敏建模供給或許 。包括 3 個部分：線性分類器將大局嵌入投影到 14,795 維的類別空間，帶來必定標簽噪聲 ，直接選用原型學習分類器的輸出；BEANS 包括 12 項跨類群測驗使命（觸及鳥類
、Perch 2.0 以監督學習為中心，對選中的多條信號進行加權求和并標準化增益。這種分子生物學層面的相關不只為跨物種模型搬遷供給了根據 ，根據「高能量區域更或許包括方針物種聲響」的假定提高樣本有用性——這一辦法與 BirdNET 等模型的檢測器規劃邏輯相通 ，將原始錄音視為獨立類別練習