研究人员开发了一种名为TARQ的新型训练后量化技术，旨在提高自动语音识别（ASR）系统的准确性，特别是针对罕见词。TARQ通过将校准重点转移到名称和数字等不常出现但对理解至关重要的术语上，解决了现有方法的局限性。这种新颖的方法不需要额外的训练或标记数据，已在各种ASR模型和数据集上证明了在罕见词错误率方面的改进性能，而不会对整体准确性产生负面影响。 AI
排序理由 这是一篇描述改进ASR系统新技术的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2605.27808v1 Announce Type: new Abstract: Data-aware post-training quantization (PTQ) minimizes a per-token reconstruction loss on a small calibration corpus, implicitly weighting positions by their empirical frequency. For \textbf{A}utomatic \textbf{S}peech \textbf{R}ecogn…