研究者提出语言感知Agent采样框架优化多语言ASR训练
热点事件观察中
研究者提出语言感知Agent采样框架优化多语言ASR训练
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Zhiheng Qian 在 arXiv 论文中提出一种语言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。 据论文实验结果，以 Whisper-medium 为骨干、在 12 种 Common Voice 语言上测试，该框架的效果优于全量数据训练，同时使用更少的数据与算力，并加快了训练收敛速度。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 10:49
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报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · cs.CL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
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。