AraMega-SSum

新的阿拉伯语语音大模型调优方法在关键任务上超越Gemini 2.5 Pro

研究人员开发了一种新的阿拉伯语语音大模型多任务指令调优方法，以应对复杂的语言结构和方言变体带来的挑战。他们推出了AraMega-SSum，这是首个用于训练和基准测试这些模型的阿拉伯语语音摘要数据集。实验比较了包括统一混合、任务渐进式课程和基于对齐器的多样化采样在内的各种训练策略，结果表明两阶段TPC->ADS方法提供了最佳平衡，在方言识别和语音情感识别等区分性任务上表现出色，甚至超越了Gemini 2.5 Pro等专有模型。