スピーチLLMの適応におけるトレーニングシードの変動
ある研究では、トレーニングにおける種子の変動性が音声LLMsの公平性メトリクスに大きな影響を与えることが判明し、これはオーディオ圧縮係数よりも顕著です。
01
根拠
- AarXiv cs.CL研究機関2026-10-02 12:00
At 460 h of clean LibriSpeech, the seed moves fairness metrics more than compression does on most demographic axes.
- AarXiv cs.CL研究機関2026-10-02 12:00
We fine-tune the Q-former projector and LoRA adapters of a speech LLM at five audio compression factors and six random seeds
- AarXiv cs.CL研究機関2026-10-02 12:00
Abstract: Demographic fairness gaps in automatic speech recognition are almost always reported from a single training run. We fine-tune the Q-former projector…