LOPA melhora a avaliação de linguagem falada por meio do alinhamento de protótipos ordinais latentes

O artigo apresenta o Latent Ordinal Prototype Alignment (LOPA), um regularizador baseado em protótipos que impõe uma prioridade geométrica ordinal no espaço latente para abordar a estrutura negligenciada da aquisição de linguagem em Modelos de Linguagem Grande Multimodais. Acoplado ao Semantic-Anchored Layer Routing (SALR) para colheita adaptativa de representações de um codificador Whisper congelado, o framework alcança uma RMSE de 0.361.

• LOPA impõe prioridades geométricas ordinais diretamente no espaço latente.
• SALR colhe adaptativamente representações de múltiplas profundidades de um codificador Whisper congelado.
• A abordagem rivaliza com sistemas de bilhões de parâmetros sem exigir ajuste fino baseado em LLM.
• A análise mostra que SALR e LOPA fornecem preferências interpretáveis e alinhadas aos critérios.

Este trabalho oferece uma alternativa de modelagem eficiente e consciente da ordinalidade aos modelos atuais centrados na escala para avaliação de linguagem falada.