כתבה
arXiv cs.CL ·
אופטימיזציה ישירה של העדפות לזיהוי דיבור בקוד-סוויצ'ינג אנגלית-מנדרינית
Direct Preference Optimization for English-Mandarin Code-Switching Speech Recognition in Audio LLMs
חוקרים פיתחו שיטה לשיפור זיהוי דיבור בקוד-סוויצ'ינג אנגלית-מנדרינית באמצעות אופטימיזציה ישירה של העדפות. השיטה משפרת את היכולת של מודלים כמו LLaMA לשמור על הרכב השפה המעורבת.
תקציר מקורי באנגליתarXiv:2605.23975v2 Announce Type: replace Abstract: Audio large language models (Audio LLMs) exhibit systematic failures in transcribing code-switching speech despite strong multilingual capabilities. Focusing on English-Mandarin, we identify three failure modes: language omission, translation-instead-of-transcription, and hallucination. We apply Direct Preference Optimization (DPO) to align models, constructing preference pairs in which chosen responses preserve mixed-language content while rejected responses mimic failure patterns. Training three Audio LLMs on 100K pairs (570 hours), we observe consistent behavioral shifts: models learn to preserve language composition rather than translating when prompted for transcription. This alignment yields MER reductions up to 89.6% (in-distributi
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית