arXiv · cs.CL· Wonsup Shin·· 7 天前AI 评分39
语料质量提升，检索效用却不升：语音转问答流水线中预处理与精炼的消融研究
Corpus Quality Improves, Retrieval Utility Does Not: An Ablation of Preprocessing and Refinement in a Speech-to-QA Pipeline
来源与原文
arXiv · cs.CL
作者：Wonsup Shin
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.27652v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项消融研究将会议语音转为问答对的流水线中预处理（转写改写）与精炼（过滤）阶段分别开关，得到四个来自 40 场韩语医疗与金融 session 的语料。4 个 LLM 评审与 6 位人类专家一致认为完全精炼语料质量最高（1-5 分制领先 +0.18/+0.22），但下游检索准确率排序不成立：开启转写改写使检索准确率下降 0.061，且几乎使单 session 成本翻倍。该语料本身仍很有价值，将各模型检索准确率从 0.231 提升至 0.748，超过三分之一的问答对包含两个前沿模型各自无法独立生成的知识。
来源：arXiv · cs.CL · arxiv.org