English(EN) Reinforcement Learning for Data-Efficient Code-Switched ASR

新的强化学习方法提高了语码转换语音识别的数据效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-07 04:00

研究人员开发了一种新颖的强化学习技术 RLVR，以提高语码转换自动语音识别 (ASR) 的音频语言模型的数据效率。该方法利用基于策略的组相对策略优化，并结合错误率和脚本保真度奖励来适应 Qwen2-Audio 等模型。实验表明，仅使用 10% 数据训练的 RLVR，其性能可以媲美使用完整数据集的监督微调，尤其在类型学上距离较远的语言对上表现出色，并将收益转移到人工录制的语音上。 AI

影响这项研究可以显著降低训练语码转换 ASR 系统的所需数据量，使其更易于访问和更高效。

排序理由详细介绍 ASR 新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍 ASR 新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 69 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Ziwei Ye, Peter Vickers · 2026-07-07 04:00

用于数据高效语码转换语音识别的强化学习

arXiv:2607.02757v1 Announce Type: new Abstract: Audio-language models can be prompted for code-switched speech, but their decoding is not optimized for code-switching and often fails at language boundaries. We propose a practical reinforcement learning with verifiable rewards rec…

本文如何被排名

报道来源 [1]

用于数据高效语码转换语音识别的强化学习

相关实体

相关话题