arXiv · cs.CL· Hemant Yadav·· 21 天前AI 评分28
DirectSpeech2LLM：一个缓解 Speech-LLM 提示词过拟合的简单端到端框架
DirectSpeech2LLM: A Simple End-to-End Framework to Mitigate Prompt Overfitting in Speech-LLMs
来源与原文
arXiv · cs.CL
作者：Hemant Yadav
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/2610.08085v1
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
DirectSpeech2LLM 是一个端到端框架，解决 Speech-LLM 仅用 ASR 指令训练后无法泛化到新指令的提示词过拟合问题。它在冻结的 LLM 嵌入矩阵上计算基于距离的 CTC loss，仅用 960 小时 LibriSpeech ASR 数据训练，即在 ASR 上超越级联系统，并对语音翻译和情感识别两个未见任务实现零样本泛化。结果在两个 LLM 家族上保持一致，并随训练数据和模型容量增长而提升。
来源：arXiv · cs.CL · arxiv.org