Are you speaking my languages? On spoken language adherence in multimodal LLMs
你在说我的语言吗?多模态大语言模型中的口语遵循问题
机构 * Google DeepMind(谷歌DeepMind)
专题命中 音频语音多模态 :multimodal(title);分类 cs.CL、eess.AS
AI总结 针对多模态大语言模型在自动语音识别中输出语言识别错误的问题,提出软提示方法、监督微调和思维链推理三种缓解策略,并引入新指标量化语言违背,比较各方法在减少违规和保持ASR性能上的效果。
Comments 7 pages, 3 tables in the main body