論文の概要: When Does an ASR Error Matter? Task-Role Diagnostics for Tool-Using Voice Agents

• arxiv url: http://arxiv.org/abs/2610.17619v1
• Date: Tue, 13 Oct 2026 02:41:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 18:07:45.419475
• Title: When Does an ASR Error Matter? Task-Role Diagnostics for Tool-Using Voice Agents
• Title（参考訳）: ASRエラーはいつ重要か? ツールを用いた音声エージェントのタスクロール診断
• Abstract要約: SpeechEvalXは、ASRエラーによるタスクロールが構造化ツールコールにどのように影響するかを評価する。 594 ソースの発声では、共同呼び出しの精度は基準文字の82.3%から 3つの ASR フロントエンドで71.9-74.9%に低下する。
• 参考スコア（独自算出の注目度）: 6.644404660591111
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In cascaded voice agents, ASR errors can have markedly different downstream consequences: a small transcription error may leave a tool call unchanged or alter its intent or arguments. Conventional word error rate (WER), however, does not capture these differences. We introduce SpeechEvalX, a paired diagnostic protocol that evaluates how task roles affected by ASR errors influence structured tool calls. Controlled edits are matched by source utterance, edit count, and operation, while task-role labels are compared with lexical severity, BERT cosine distance, Semantic-WER, and binary criticality. Across 594 source utterances, joint call accuracy falls from 82.3% with reference transcripts to 71.9-74.9% across three ASR front ends. Number and negation edits cause 21.9-25.7 percentage-point losses, versus 1.4-2.9 points for control edits. Detailed task-role labels improve source-grouped ROC-AUC from 0.73 to 0.78 over binary criticality, showing that downstream impact depends strongly on the task role affected.
• Abstract（参考訳）: カスケードされた音声エージェントでは、ASRエラーはダウンストリームの結果を著しく異なるものにすることができる。 しかし、従来の単語誤り率(WER)はこれらの差を捉えていない。 本稿では、ASRエラーによるタスクロールが構造化ツールコールにどのように影響するかを評価するためのペア診断プロトコルであるSpeechEvalXを紹介する。 制御された編集は、ソース発話、編集数、操作で一致し、タスクロールラベルは、語彙重大度、BERTコサイン距離、Semantic-WER、バイナリ臨界度と比較される。 594 ソースの発声では、共同呼び出しの精度は基準文字の82.3%から 3つの ASR フロントエンドで71.9-74.9%に低下する。 数字と否定の編集は21.9-25.7パーセントの損失を引き起こすが、コントロール編集では1.4-2.9ポイントとなる。 詳細なタスクロールラベルは、ソースグループ化されたROC-AUCをバイナリ臨界よりも0.73から0.78に改善し、下流への影響が影響したタスクロールに強く依存していることを示す。

関連論文リスト

• TRACE: Diagnosing Verifier Brittleness in Agentic Evaluation [0.5837881923712392]
  本稿では,判定から検査可能な診断へスコア変更を行うプロトコルであるTRACEを紹介する。 25の合成タスクの制御スイートでは、まったく同じ操作をしても、リネームツールはスクリプトされたエージェントのスコアを0.250下げる。 88の新しいタスクのフォローアップでは、条件ごとの繰り返し実行、改名ツールまたは改名ツールのアウトプットが8つのエージェント-チェンジペアのうち7つに対して$pm$0.10以内の報酬に変化しない。
  論文  参考訳（メタデータ） (2026-10-08T10:52:26Z)
• Fail Loudly: An Auditable Runtime for Agentic Data Analysis [5.552367153808067]
  我々は、エージェントの分析的選択を検査可能とし、実行フィードバックを通じてそれらのリビジョンをサポートする監査可能なランタイムRADARを提案する。 RADARは3つのコアメカニズムを通じて動作している。まず、エビデンス保存探索モジュールは、ソース位置と観測範囲を保持しながら、タスク関連コンテンツを検索する。 次に、ランタイムは型付き演算子を使用して、エージェントの宣言された入力、操作引数、結果の観察を記録する。 競合が検出されると、ランタイムは操作を拒否するか、診断フィードバックを提供し、エラーが伝播する前にエージェントが選択を修正できる。
  論文  参考訳（メタデータ） (2026-09-26T12:11:39Z)
• DRSR: Learning Set-Level Deletion Risk for Efficient Long-Horizon Agents [55.84813053778976]
  ロングホライゾン言語モデルエージェントは、現在の決定と関係が変化する推論の痕跡、ツール交換、観察を蓄積する。 直接セットリスクスコアは、削除セットの選択としてエージェント履歴圧縮リスクを定式化する。 メカニカル・アナリシスとアブリケーションは、決定に制約のある関係、保持されたコンテキスト情報、ペア・インタラクション、および棄権がそれぞれ信頼できるプルーニングに寄与していることを示している。
  論文  参考訳（メタデータ） (2026-09-23T03:06:01Z)
• A-SR: Self-Evolving Agentic LLMs for Symbolic Regression via Hierarchical Coordination [51.06539604709775]
  本稿では、制御ユニットを表現編集からロール条件のエビデンスビューへシフトさせる自己進化型エージェントフレームワークであるA-SRを提案する。 A-SRは、コーディネートプロトコル、オンライン評価器・リワードロールポリシー、および状態制御プロセスメモリ間のルーティングによる公式発見をコーディネートする。
  論文  参考訳（メタデータ） (2026-08-05T14:01:10Z)
• Counterexamples as Feedback for Agent Self-Correction [0.0]
  単一ターンのコード生成メトリクスは、デプロイされたエージェントの中央のプロパティとして、具体的なフィードバックを受けた後に間違ったアーティファクトを修復できるかどうかを規定します。 本稿では,A-CEGISについて述べる。A-CEGISは,自然言語とレジェックス合成におけるマルチターン改良の評価のためのフィードバックとして,反例を用いるフレームワークである。 その結果、A-CEGISは、元の保留ケースを超えて実践的なチェックを加えながら、エージェントがターン間でどれだけ効率良く改善するかを測定した。
  論文  参考訳（メタデータ） (2026-07-01T06:08:15Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• DepRadar: Agentic Coordination for Context Aware Defect Impact Analysis in Deep Learning Libraries [12.07621297131295]
  DepRadarは、DLライブラリのアップデートにおけるきめ細かい欠陥と影響分析のためのエージェント調整フレームワークである。 静的解析とDL固有のドメインルールを統合し、欠陥推論とクライアント側のトレースを行う。 122のクライアントプログラムにおいて、DepRadarは90%のリコールと80%の精度で影響を受けるケースを特定し、他のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-01-14T12:41:39Z)
• Not All Errors Are Equal: Investigation of Speech Recognition Errors in Alzheimer's Disease Detection [62.942077348224046]
  アルツハイマー病(AD)の自動診断における音声認識の役割 近年の研究では,単語誤り率(WER)とAD検出性能の非線形関係が明らかにされている。 本研究は,BERTを用いたAD検出システムにおけるASR転写誤りの影響について,一連の解析を行った。
  論文  参考訳（メタデータ） (2024-12-09T09:32:20Z)
• Error Correction by Paying Attention to Both Acoustic and Confidence References for Automatic Speech Recognition [52.624909026294105]
  本稿では,非自己回帰型音声誤り訂正法を提案する。 信頼モジュールは、N-best ASR仮説の各単語の不確実性を測定する。 提案方式は,ASRモデルと比較して誤差率を21%削減する。
  論文  参考訳（メタデータ） (2024-06-29T17:56:28Z)
• ASR Error Detection via Audio-Transcript entailment [1.3750624267664155]
  音声書き起こしエンターメントを用いたASR誤り検出のためのエンドツーエンドアプローチを提案する。 提案モデルでは,音響エンコーダと言語エンコーダを用いて,それぞれ音声と転写をモデル化する。 提案モデルでは,すべての転写誤りに対して26.2%,医学的誤りに対して23%の分類誤り率(CER)を達成し,それぞれ12%と15.4%の強い基準値を改善することができた。
  論文  参考訳（メタデータ） (2022-07-22T02:47:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。