arXiv · cs.CL· Zhiheng Qian·· 1 天前AI 评分24
基于语言学感知误差驱动优化的多语言 ASR 智能体数据采样框架
Agentic Data Sampling Framework for Multilingual ASR via Linguistic-Aware Error-Driven Optimization
来源与原文
arXiv · cs.CL
作者：Zhiheng Qian
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/2610.36538v1
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
研究者提出一种语言学感知的智能体数据采样框架，将 LLM 智能体引入多语言 ASR 训练循环，从语音、形态、句法角度分析 ASR 错误并自适应选择 domain、sample、token 级采样策略。以 Whisper-medium 为骨干在 12 种 Common Voice 语言上实验，结果优于全量数据训练，同时使用更少数据与算力，并显著加快训练收敛。
来源：arXiv · cs.CL · arxiv.org