يقترح الباحثون وصفة عملية للتعلم التعزيزي مع مكافآت قابلة للتحقق لملاءمة نماذج الصوت واللغة بكفاءة في البيانات إلى التعرف الآلي على الكلام المتبديل بين اللغات (ASR). تستخدم الطريقة تحسين السياسة النسبية للمجموعة، مما يجمع بين مكافأة معدل الخطأ ومكافأة دقة النص التي تعاقب أنظمة الكتابة الخاطئة.
- التدريب فقط على كلام متبديل بين اللغات تم إنشاؤه بواسطة TTS باستخدام Qwen2-Audio عبر 10 أزواج لغوية.
- يتطابق RLVR مع 10% من البيانات مع الضبط الدقيق الخاضع للإشراف المدعوم بـ LoRA المدرب على المجموعة الكاملة من البيانات.
- تقضي مكافأة معدل الخطأ على أخطاء الترجمة بينما تقلل مكافأة دقة النص من تلوث النص.
- تنتقل المكاسب بشكل صفري إلى مجموعة بيانات متباعدة بين اللغات مسجلة بشريًا.
تظهر هذه النهج أكبر التحسينات على الأزواج البعيدة نوعيًا وتوفر منصة اختبار قابلة للتكرار لملاءمة النماذج مع الكلام المتبديل بين اللغات دون الحاجة إلى مجموعات بيانات كبيرة موسومة.