כתבה
arXiv cs.CL ·
שוויון עד פעם אחת: תופעת השורשים באימון פרויקטור Q ו-LORA ל-LM דיבור
Fairness Beyond a Single Run: Training-Seed Variability in Speech LLM Adaptation
אימון מחדש של LM דיבור חשף תופעת שורשים של תפוצה של סטטיסטיקות צדקיות.
תקציר מקורי באנגליתarXiv:2609.38976v1 Announce Type: new Abstract: Demographic fairness gaps in automatic speech recognition are almost always reported from a single training run. We fine-tune the Q-former projector and LoRA adapters of a speech LLM at five audio compression factors and six random seeds, holding the encoder, base decoder, data and decoding fixed, and evaluate every run on Common Voice and Fair-Speech. At 460 h of clean LibriSpeech, the seed moves fairness metrics more than compression does on most demographic axes. A balanced 3x3 decomposition attributes 85.3% of the variation in Fair-Speech ethnicity normalized gap to the seed against 8.3% to compression (p = 0.009), though compression explains more on age and gender. Held-out LibriSpeech word error rate spreads by 0.04 points across those
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית