GRPO 被用于小型 ASR 模型，覆盖 51 种非洲语言。
资讯摘要
论文将 Group Relative Policy Optimisation（GRPO）用于非 LLM 的小型编码器-解码器语音识别模型，以 Whisper-large-v3 为案例，覆盖 51 种非洲语言。作者报告该方法在训练数据稀缺或音频含噪、退化时收益最明显；所得模型 SunflowerASR 在 AfriVox-v2 与 SimbaBench 上取得论文所称最佳宏平均 WER，分别为 0.227 和 0.372，并已公开。
要点速读
- 论文把 GRPO 强化学习扩展到非 LLM 的编码器-解码器 ASR 模型，以 Whisper-large-v3 为案例，覆盖 51 种非洲语言。
- 作者报告在训练数据稀缺或输入音频含噪、退化时，该方法收益最明显。
- SunflowerASR 在 AfriVox-v2 和 SimbaBench 上取得论文所称最佳宏平均 WER（0.227、0.372），模型已公开。
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 2026/10/24 08:00:37（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。