論文の概要: How to get the best and fairest performance out of your ASR system using activation steering

• arxiv url: http://arxiv.org/abs/2610.26994v1
• Date: Mon, 19 Oct 2026 07:53:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.416473
• Title: How to get the best and fairest performance out of your ASR system using activation steering
• Title（参考訳）: アクティベーションステアリングを使って、ASRシステムから最高の、最も公平なパフォーマンスを得る方法
• Abstract要約: ASRシステムにおけるアクティベーションステアリングは、ASR性能と人口統計学的公正性の両方を改善するための未調査技術である。 本稿では,2種類のアクティベーションステアリングについて検討する。 前者はASRの成績を改善するのに効果がないが,後者は,性別,年齢,方言などの多種多様な軸に沿って,ASRのパフォーマンスと人口の公平さを同時に向上するステアリングベクター(SV)の導出に極めて効果的である。
• 参考スコア（独自算出の注目度）: 42.00819583305469
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Activation steering for ASR systems is an underexplored technique in improving both ASR performance and demographic fairness. We investigate two forms of activation steering: paired activation subtraction, and supervised optimization. We find the former to be ineffective at ameliorating ASR performance whatsoever, while the latter is quite effective at deriving steering vectors (SVs) that improve at once overall ASR performance and demographic fairness along such diverse axes as gender, age, and dialect. We also explore what types of data---from the most to the least personal---are necessary for calculating or training SVs. First, we show significant performance in performance from training SVs using an eclectic group of speakers from the same dataset. Furthermore, we find that vectors trained using acoustically similar speakers leads to ASR performances that are competitive or superior to vectors trained on the same speaker, or speakers from the same labeled demographic group. This finding shows that we can harness activation steering for few-shot adaptation given access to a speaker's demography, or zero-shot adaptation to unseen speakers without the need for any labels at all.
• Abstract（参考訳）: ASRシステムにおけるアクティベーションステアリングは、ASR性能と人口統計学的公正性の両方を改善するための未調査技術である。 本稿では,2種類のアクティベーションステアリングについて検討する。 前者はASRの成績を改善するのに効果がないが,後者は,性別,年齢,方言などの多種多様な軸に沿って,ASRのパフォーマンスと人口的公平性を同時に向上させる操舵ベクトル(SV)の導出に極めて効果的である。 また、SVの計算や訓練に必要となるデータの種類についても検討する。 まず,同じデータセットから話者のエクレクティックグループを用いて,SVのトレーニングによる性能向上を示す。 さらに、音響的に類似した話者を用いて訓練されたベクターが、同じ話者で訓練されたベクターや、同じラベル付き人口集団の話者に対して、競争力や優位性を持つASRのパフォーマンスをもたらすことが判明した。 この結果は、話者のデモグラフィーへのアクセスや、ラベルを全く必要とせずに目に見えない話者へのゼロショット適応を考慮すれば、アクティベーションステアリングを利用することができることを示している。

関連論文リスト

• Auto-AVSR: Audio-Visual Speech Recognition with Automatic Labels [100.43280310123784]
  トレーニングセットのサイズを増大させるために,未ラベルデータセットの自動書き起こしの使用について検討した。 近年の文献的傾向であるトレーニングセットのサイズが大きくなると、ノイズのある書き起こしを用いたにもかかわらずWERが減少することが実証された。 提案手法は,RS2 と LRS3 の AV-ASR 上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-03-25T00:37:34Z)
• Enhancing and Adversarial: Improve ASR with Speaker Labels [49.73714831258699]
  そこで本研究では,チューニングを伴わない安定かつ効果的な対向訓練のための適応的勾配反転層を提案する。 ASRニューラルネットワーク(NN)の最適な位置を示すために、詳細な分析と実験的検証を行い、話者強化と対向訓練を適用した。 最高のスピーカーベースのMTLは、Switchboard Hub5'00の相対的な改善を7%達成しています。
  論文  参考訳（メタデータ） (2022-11-11T17:40:08Z)
• Representative Subset Selection for Efficient Fine-Tuning in Self-Supervised Speech Recognition [6.450618373898492]
  ASRのための自己教師型音声モデルにおいて、効率的な微調整を行うために最適なデータのサブセットを同定する作業を検討する。 自己教師型ASRにおける代表サブセット選択のためのCOWERAGEアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-18T10:12:24Z)
• Grammar Based Identification Of Speaker Role For Improving ATCO And Pilot ASR [1.1391158217994781]
  航空交通管制のための補助ベース音声認識(ABSR)は一般に、航空交通管制官(ATCO)とパイロットデータの両方をプールすることで訓練される。 ATCOのデータ不均衡と様々な音響条件のため、ASRの性能はパイロットよりもATCOにとって極めて優れている。
  論文  参考訳（メタデータ） (2021-08-27T08:40:08Z)
• Feature Replacement and Combination for Hybrid ASR Systems [47.74348197215634]
  ハイブリッドASRシステムにおけるこれらのフロントエンドフレームワーク、すなわちwav2vecの有用性を検討する。 事前学習した特徴抽出器の展開に加えて,異なる特徴を持つ同一タスクで訓練された既存の音響モデル(AM)の活用方法について検討する。 我々は、LibriSpeechテストクリーンおよびテスト他のセットの以前の最良のモデルよりも4%と6%の相対的な改善を得た。
  論文  参考訳（メタデータ） (2021-04-09T11:04:58Z)

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。