实体
Minimum Bayes-risk automatic speech recognition
Minimum Bayes-risk automatic speech recognition
PulseAugur coverage of Minimum Bayes-risk automatic speech recognition — every cluster mentioning Minimum Bayes-risk automatic speech recognition across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
LLM驱动的SymCA框架增强了可解释的列注释
研究人员开发了SymCA，一个新颖的列注释框架，它利用大型语言模型（LLMs）创建一个可解释的、符号化的决策过程。该方法通过增强可解释性和适应性，并更好地利用丰富的标签语义，解决了现有方法的局限性。SymCA构建了一个语义骨架，然后在其内部演化预测基底，采用可解释的随机森林分类器和LLM指导的修改。实验表明，SymCA在准确性和鲁棒性方面显著优于当前基线。
-
新的MBR解码方法结合了双向效应，以提高文本生成质量
研究人员引入了一种新颖的噪声信道分解方法用于最小贝叶斯风险（MBR）解码，旨在提高文本生成质量。该方法通过自然地结合假设与参考之间的双向效应，解决了BLEU和COMET等常见评估指标中的不对称性问题。该分解将MBR解码分解为四个相互作用的组成部分：假设到参考的似然度、参考到假设的似然度、假设的先验和参考的先验。该框架提供了对现有MBR变体的统一解释，并通过分离每个信道的贡献，实现了指标和任务特定的可解释性。