Ziyu Zhao

新的FADE方法改进了面向边缘设备的ASR模型量化

研究人员开发了FADE，一种用于改进编码器-解码器自动语音识别（ASR）模型后训练量化的新颖框架。该方法通过为每个层分配自适应补偿系数来解决跨层误差累积的问题。FADE结合了来自权重几何的内在脆弱性分数和数据驱动的校准可靠性分数，以平衡局部保真度和跨层误差校正。在Whisper和Qwen3-ASR等模型上的实验证明，在3位和4位精度下，词错误率得到了一致的改进。