论文用LLM智能体按语言学规则驱动多语种ASR数据采样。
资讯摘要
论文提出一种语言感知的智能体数据采样框架，在多语种ASR训练循环中引入数据采样LLM智能体。该智能体依据语音学、形态学和句法层面的评分规则分析ASR错误，并结合训练统计、预算约束与算法配置，选择域级、样本级和词元级采样策略。作者在12种Common Voice语言上以Whisper-medium为骨干进行实验，报告称该方法用更少数据和算力取得优于全量训练的效果，并加快收敛。
要点速读
- 框架将数据采样LLM智能体引入多语种ASR训练循环，把WER/CER等评估结果转化为自适应数据选择决策。
- 智能体依据语音学、形态学、句法三方面的评分规则分析错误，并结合训练统计、预算约束和算法配置选择采样策略。
- 在12种Common Voice语言、Whisper-medium骨干上，作者报告其性能优于全量数据训练，且使用更少训练数据和算力、收敛更快。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。