Yang Xiao

新研究致力于太平洋土著语言的语音识别

研究人员探索了为资源匮乏的太平洋土著语言适应语音基础模型的方法，解决了数据稀缺和灾难性遗忘的风险。他们的实证研究考察了数据量、LoRA等适应策略以及表征漂移对这些模型的影响。研究结果表明，适应语言上差异较大的语言会导致显著的内部表征漂移，从而在可塑性和稳定性之间造成两难。虽然LoRA显示出初步希望，但在顺序学习场景中它难以克服灾难性遗忘，凸显了为代表性不足的语言开发专门适应技术的需求。