arXiv · NLP· Vasiliy Kudryavtsev, Kirill Borodin, Nikita Vasiliev, Mikhail Gorodnichev, Grach Mkrtchian·· 3 小时前AI 评分24
纯文本 LLM 纠正器会破坏正确转录：ASR 纠错中音频接地对修复与损害的分解分析
Text-Only LLM Correctors Break Correct Transcripts: A Repair-Damage Analysis of Audio Grounding in ASR Error Correction
AI 导读
纯文本 LLM 对 Gemini 2.5 Flash 自身初稿的纠正会破坏 13-32% 的正确转录，而引入音频后这一比例降至 1-3%。 研究将 WER 变化精确分解为修复、损害和插入，显示医疗听写场景中保留的插入抵消了净 WER 收益，且开源模型 Voxtral 未表现出此模式。 该分解方法揭示了聚合 WER 指标掩盖的纠错内部机制，限定了音频输入对 LLM 纠错效果的边界作用。
来源：arXiv · NLP · arxiv.org