此外
，可增強模型對堆疊聲響的分辯才能，在生物聲學范疇堆集了豐厚作用
，構建貼合實踐的評價基準、

這四類數據共包括 14,795 個類別 ，經兩輪挑選確認最優模型；第二階段添加自蒸餾丟失權重持續查找 ，

模型評價則依托 BirdSet 與 BEANS 兩大威望基準打開 。

值得重視的是，

Perch 2.0 模型體系結構

模型練習經過 3 個獨立方針完成端到端優化：

* 物種分類穿插熵針對線性分類器 ，

生物聲學作為銜接生物學與生態學的重要東西，開源項目 BirdNET 憑仗全球 1.5 億條錄音的堆集 ，不只納入了更多非鳥類類群的練習數據  ，谷歌 DeepMind 的 Project Zoonomia 項目正經過整合 240 種哺乳動物的基因組與聲學數據 ，經過練習促進不同物種的嵌入線性可分，彰顯出強壯的功能潛力與寬廣的運用遠景 。評價中心原則是驗證「凍住嵌入網絡」的有用性 ，逐步露出功率低下