כתבה
arXiv cs.CL ·
InterCorrect: תיקון-מודל חצי-מודע למיזוג מודלים דמוגרפיים להכרה-דיבור צודקה
InterCorrect: Intersection-Aware Correction of Demographic Model Merging for Fair ASR
מיזוג מודלים דמוגרפיים להכרה-דיבור צודקה משפר את WER. המחקר מציע תיקון-מודל חצי-מודע למיזוג מודלים דמוגרפיים, ומציע תיקון-מודל חצי-מודע למיזוג מודלים דמוגרפיים. התיקון-מודל חצי-מודע משפר את WER, ומציע תיקון-מודל חצי-מודע למיזוג מודלים דמוגרפיים.
תקציר מקורי באנגליתarXiv:2610.08604v1 Announce Type: new Abstract: Automatic Speech Recognition (ASR) systems often show uneven performance across demographic groups, and errors can be especially difficult to address for speakers belonging to multiple demographic groups. This work studies demographic-aware model merging for fair Speech-LLM-based ASR. Starting from a SLAM-ASR-based model, we fine-tune only the connector on demographic-specific subsets and merge the resulting subgroup-adapted connectors into a global model. We then identify critical cross-axis demographic pairs using subgroup WER and task-vector conflict, and apply intersection-specific correction vectors to the global merged model. Experiments on Fair-Speech show that global demographic merging improves overall WER over the base model, while
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית