Peidong Wang

新的 LOGIC 框架改进了语音大模型的实体识别能力

研究人员开发了一个名为 LOGIC（Logit-Space Integration for Contextual Biasing）的新框架，以改进语音大模型（Speech LLMs）处理新颖和领域特定实体的方式。与可能效率低下且达到上下文窗口限制的传统提示方法不同，LOGIC 直接在解码层运行。这种方法确保了恒定的时间复杂度，无论实体数量如何，从而显著降低了实体词错误率，同时没有大幅增加误报率，这一点已通过 Phi-4-MM 模型得到证明。