热点事件持续更新

arXiv论文研究多语言ASR扩展中如何保留源语言性能

1 篇报道1 个报道来源14 小时前更新

先了解这件事

AI 综述

一篇发布在 arXiv（cs.CL，编号 2610.35846）的论文研究在 connector-based Speech LLM 架构中扩展多语言 ASR 时，如何在不回放源语言训练数据的前提下保留已支持语言的性能。作者为 Yuchen Zhang。实验结果显示：单目标扩展中，仅用目标语言微调和标准 TIES 合并都会造成严重的源语言遗忘，论文提出的方法 SSU-Wanda+TIES 取得最佳源语言保留权衡；多目标扩展中 update merging 提供稳定的源语言保留；递归扩展可能提升目标适配，但效果高度依赖扩展顺序。

AI 根据报道生成 · 3 小时前更新

最新进展10月27日 01:56

Preserve to Expand：面向多语言 LLM ASR 的源语言感知适配与模型合并研究

报道时间线

沿着报道，了解事件的不同侧面。

10月27日

01:56
arXiv · cs.CL
Preserve to Expand：面向多语言 LLM ASR 的源语言感知适配与模型合并研究
一项 arXiv 研究探讨在 Speech LLM 的 connector-based 架构中扩展多语言 ASR 时，如何在不回放源语言训练数据的前提下保留已有语言性能。实验显示，单目标扩展中 target-only fine-tuning 和标准 TIES 合并会导致严重源语言遗忘，SSU-Wanda+TIES 取得最佳源语言保留权衡；多目标扩展中 update merging 提供稳定的源语言保留，而递归扩展虽可能提升目标适配但高度依赖顺序。

本事件热度走势

可比范围当前: 7
可比范围峰值: 710月27日 13:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。