LOPA mejora la evaluación del lenguaje hablado mediante alineación de prototipos ordinales latentes

El artículo presenta Latent Ordinal Prototype Alignment (LOPA), un regularizador basado en prototipos que impone una prioridad geométrica ordinal en el espacio latente para abordar la estructura pasada por alto de la adquisición del lenguaje en Modelos de Lenguaje Grande Multimodales. Junto con Semantic-Anchored Layer Routing (SALR) para la cosecha adaptativa de representaciones desde un codificador Whisper congelado, el marco alcanza una RMSE de 0.361.

• LOPA impone prioridades geométricas ordinales directamente en el espacio latente.
• SALR cosecha adaptativamente representaciones de múltiples profundidades desde un codificador Whisper congelado.
• El enfoque rivaliza con sistemas de miles de millones de parámetros sin requerir ajuste fino basado en LLM.
• El análisis muestra que SALR y LOPA proporcionan preferencias interpretables y alineadas con los criterios.

Este trabajo ofrece una alternativa de modelado eficiente y consciente de la ordinalidad a los modelos actuales centrados en el escalado para la evaluación del lenguaje hablado.