أظهر الباحثون أن تحسين السياسة النسبية للمجموعة (GRPO) يتفوق بشكل كبير على الضبط الدقيق الخاضع للإشراف (SFT) عند تكييف نماذج التعرف الآلي على الكلام (ASR) القائمة على النماذج اللغوية الكبيرة (LLM) إلى مجالات منظمة باستخدام بيانات تحويل النص إلى كلام اصطناعي فقط. يعالج هذا النهج قيود الخصوصية وعدم التطابق الصوتي الذي يعيق عادة أداء النموذج في قطاعات مثل البنوك.
- يؤدي التكيف الاصطناعي فقط مع GRPO إلى تقليل معدل خطأ الكلمات (WER) بنسبة 40% مقارنة بـ SFT، مما يخفضه من 36.71% إلى 22.09%.
- يؤدي الجمع بين SFT وGRPO إلى تحسين النتائج أكثر، محققاً انخفاضاً كلياً في WER بنسبة 45%.
- ينبع تحسن الأداء من تحسينات سلوكية بدلاً من تغييرات في التمثيل، وتحديداً معايرة الإيقاف الأفضل ومطابقة الكلام إلى النص.
- يقلل GRPO من أخطاء الإدراج عن طريق تثبيت الانتباه على الصوت مع الحفاظ على تمثيلات الطبقات المبكرة كما هي.
يستنتج المؤلفون أنه عندما يكون الكلام الاصطناعي هو المصدر الرئيسي للتكيف، يجب تفضيل طرق التعلم المعزز مثل GRPO على الضبط الدقيق الخاضع للإشراف.