ISCA/ITG 大型语音与语言模型多样性研讨会论文集
计算与语言
2025-03-18 v2
摘要
机器学习技术已在语音和自然语言处理中的许多不同任务上取得突破，如语音识别、信息提取、文本与语音生成以及利用自然语言或语音的人机交互（聊天机器人）。现代技术通常依赖大型模型来表示一种或多种语言的通用知识（大型语言模型，LLMs），或表示语音和通用音频特征。这些模型使用大量语音和语言数据（通常包括网页内容）进行训练。当人类与此类技术交互时，交互的有效性将受到人类多大程度上使用模型训练所用同类型语言的影响，换言之，即模型能否泛化到人类与技术交互时使用的语言。这可能导致人类语音和语言产出出现某种渐进式的适应，而不适应这种变化的用户可能无法高效使用此类技术。此外，由于商业模型开发遵循市场需求，代表性不足的语言和方言/社会方言的优先级可能降低。此外，对于许多使用较少的语言，必要的数据不可用，这将加剧语音和语言技术使用中的数字鸿沟。该研讨会旨在从计算机科学和语言学（包括计算语言学和自然语言处理）的角度讨论这一问题。
引用
@article{arxiv.2503.10298,
title = {Proceedings of the ISCA/ITG Workshop on Diversity in Large Speech and Language Models},
author = {Sebastian Möller and Pia Knoeferle and Britta Schulte and Nils Feldhus},
journal= {arXiv preprint arXiv:2503.10298},
year = {2025}
}