arXiv 论文提出 ASR 语义评估框架 SMART

2026 年 10 月 21 日，arXiv 上的一篇 AI 研究论文提出名为 SMART（Semantic Segment Mapping and Assessment of Recognition Transcripts with Contextual Rubrics）的自动语音识别（ASR）转录评估框架。该研究指出，传统基于词错误率（WER）的评估方法无法有效区分 ASR 错误的实际语义后果。 SMART 框架将 ASR 语义评估建模为“上下文感知的段级后果评估”，通过语义分段映射结合上下文评估标准，生成明确的后果标签，从而支持 SIER（语义影响错误率）的量化评估，实现可追溯的语义评估与定向 ASR 纠错。 实验结果显示，在多数投票人工标注基准下，SMART 框架的 F1 得分达到 0.843，优于直接由大语言模型进行判断的 0.745。此外，研究指出该框架对底层评估模型的选择具有不敏感性，表现出较强的鲁棒性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。