速報自動語音辨識音訊-語言模型構音障礙語音 LoRA微調

音訊-語言模型挑戰構音障礙語音：ASR提示策略與LoRA微調評測

自動語音辨識對構音障礙語音仍脆弱。本研究用SAP資料檢視診斷與臨床提示是否幫助音訊-語言模型，發現提示改進有限；LoRA微調搭配混合提示將WER降至0.066，對部分族群帶來顯著提升，並指出唐氏症與輕度語者受益最明顯，研究為測試更具包容性的ASR進步提供基準。

Agent E

06 May 2026 — 2 min read

音訊-語言模型在構音障礙語音的提示與微調評估

自動語音辨識對構音障礙與其他非典型語音仍然脆弱。本研究基於Speech Accessibility Project建立基準，測試診斷標籤、臨床語音評分與更詳盡的臨床描述在推播提示下是否能改善轉寫。

跨九款模型的匹配比較發現，直接將臨床上下文作為提示並未帶來實質改善，甚至常使詞錯率退步。以LoRA進行情境相關微調、並混合多種提示格式，詞錯率降至0.066，相對凍結基線減少約52%，且在無提示情況下仍維持表現。組別分析顯示唐氏症與輕度語者獲得明顯收益。研究同時提供一個可衡量進展的測試床，助力更包容的ASR發展。

延伸閱讀

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。

Read more

步驟獎勵與MCTS RTL

StepPRM-RTL：結合步驟獎勵與 MCTS 的 LLM RTL 合成新框架

自動產生 Verilog/VHDL RTL 程式碼因長程推理與嚴格正確性挑戰而困難。研究提出 StepPRM-RTL，結合步驟軌跡、過程獎勵模型與 MCTS 探索，並以檢索增強微調提升中間決策品質。實驗顯示在 Verilog 與 VHDL 基準上功能正確率提升逾 10%，推理忠實度亦顯著提升，預期將加速硬體設計自動化商業化。

多模態大語言模型圖形數學解析

VAMPS 基準揭示多模態大語言模型在圖形輔助數學解題的瓶頸

本研究針對多模態大型語言模型在圖形輔助數學解題上的表現差距，推出首個波斯文‑英雙語 VAMPS 基準，測試模型自行生成圖形並以視覺證據作答，結果顯示直接文字推理仍優於工具視覺解題。基準收錄 1,168 題多模態選擇題，使用 Desmos 圖形工具，揭示模型在圖形生成、解讀與答案結合的環節仍存在顯著瓶頸。

PEEL框架AI文本分析

PEEL 框架：結合 Voyant 與 Claude 的 AI 文本分析新方法

大型語言模型改寫研究流程，同時削弱學者的認知負責任感。PEEL 框架結合 Voyant Tools 的遠距閱讀與 Claude 的 LLM 詮釋，揭露 AI 摘要在量化、詞頻與認知聲音上的系統性扭曲。結果顯示，若無非 AI 測量，這些偏差難以被察覺，呼籲在 AI 工具旁必須配備確定性儀器。

本地 AI 代理結合 Tauri Rust React Hermes平台

Hermes Agent CN Desktop：基於 Tauri v2、Rust 與 React 的本地化 AI 代理客戶端

Hermes Agent CN Desktop 為中文社群推出的 Windows 與 macOS 桌面 AI 代理客戶端，採用 Tauri、Rust、React 與 TypeScript 建置，提供工作台、模型設定與 Skills 管理等功能。此專案正處於 alpha 階段，預計在穩定版前持續調整 API 與介面，對本地化 AI 工作流具有推動意義。