GRPO将伪标签用作奖励参考，提升半监督ASR
热点事件持续更新
GRPO将伪标签用作奖励参考，提升半监督ASR
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Shashi Kumar等作者提交论文，提出在半监督语音识别（ASR）适配中用组相对策略优化（GRPO）把伪标签当作奖励参考，而不是监督目标。作者称，这样对标签噪声更稳健。 在银行领域用Whisper生成伪标签时，该方法相比SFT取得29.3%至56.2%的相对WER改善；作者称这一优势在四种Whisper规模、四个教师模型族、三个领域和四种语言上均成立。
AI 根据报道生成 · 48 分钟前更新
最新进展10月26日 12:00
把伪标签当奖励而非目标：用于半监督 ASR 的组相对策略优化（GRPO）报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.CL把伪标签当奖励而非目标：用于半监督 ASR 的组相对策略优化（GRPO）
研究提出用 Group Relative Policy Optimization（GRPO）把伪标签当作奖励参考而非监督目标，在银行领域基于 Whisper 生成标签时相比 SFT 取得 29.3% 至 56.2% 的相对 WER 改善，且该优势在四种 Whisper 规模、四个教师模型族、三个领域和四种语言上均成立。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。