يُظهر الباحثون أن تحسين السياسة النسبية للمجموعة (GRPO) يتفوق بشكل كبير على الضبط الدقيق الخاضع للإشراف (SFT) عند تكييف نماذج التعرف التلقائي على الكلام المدعومة بنماذج لغوية كبيرة (LLM) إلى المجالات المنظمة باستخدام بيانات تحويل النص إلى كلام الاصطناعية فقط. يعالج هذا النهج عدم التطابق الصوتي بين التسجيلات الاصطناعية والواقعية مع تجاوز قيود الخصوصية المرتبطة بجمع الكلام الحقيقي.
- يقلل التكيف المعتمد على البيانات الاصطناعية فقط باستخدام GRPO من معدل خطأ الكلمات (WER) بنسبة 40% مقارنة بـ SFT، مما يخفضه من 36.71% إلى 22.09%.
- يؤدي الجمع بين SFT وGRPO إلى تحسين الأداء بشكل أكبر، محققاً انخفاضاً بنسبة 45% في WER.
- ينبع التحسن من تغييرات في السلوك بدلاً من تحولات في التمثيل، وتحديداً ضبط توقف أفضل ومحاذاة الكلام إلى النص عبر تثبيت الانتباه.
- تظل تمثيلات الطبقات المبكرة سليمة بينما تقل أخطاء الإدراج.
يستنتج المؤلفون أنه عندما يكون الكلام الاصطناعي هو المصدر الأساسي لتكيف النموذج، يجب تفضيل طرق التعلم المعزز مثل GRPO على الضبط الدقيق الخاضع للإشراف.