arXiv 自然语言处理· Srishti Ginjala, Eric Fosler-Lussier, Srinivasan Parthasarathy·· 1 天前AI 评分35
超越单次运行的公平性：语音大语言模型适配中的训练随机种子差异
Fairness Beyond a Single Run: Training-Seed Variability in Speech LLM Adaptation
AI 导读
研究发现语音大语言模型在微调适配时，训练随机种子对人口统计学公平性指标的波动影响显著大于音频压缩。在 460 h 的 LibriSpeech 实验中，Fair-Speech 种族归一化差距有 85.3% 的变异由随机种子引起，而压缩因素仅占 8.3%。尽管将数据集扩至 960 h 能缓解该效应，但单次运行系统的该项指标差距仍需超过 0.30 才能排除种子变异干扰。
来源：arXiv 自然语言处理 · arxiv.org