研究人员在Conformer-Large自动语音识别(ASR)模型中确定了一个关键边界,在这个边界处会出现幻觉,即与音频无关的流畅文本。通过在降级条件下研究两个独立训练的模型(一个CTC和一个RNN-T),他们发现绕过最终编码器阶段会持续导致模型发散并产生幻觉的可能性。这个阶段是表示变得更紧凑,文本可被解码器读取的地方,这表明了接地识别失败的机制性先决条件。 AI
影响 识别出ASR模型中的一种特定故障模式,有可能提高实际应用中的鲁棒性和准确性。
排序理由 该集群包含一篇详细介绍ASR模型行为发现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Conformer-Large
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- RNN-T
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →