热点事件持续更新
伪标签作奖励而非目标：GRPO半监督ASR方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月26日，arXiv cs.CL 收录的一项研究提出半监督 ASR 的新训练范式：把伪标签用作 GRPO 的奖励参考，而不是 SFT 的训练目标，以此避免学生模型继承教师模型的错误。研究在银行领域基于 Whisper 生成伪标签，结果显示 GRPO 相对 SFT 取得 29.3%–56.2% 的 WER 相对改善；该优势在四种 Whisper 尺寸、四个教师模型族、三个领域和四种语言上均成立。研究还报告，SFT 几乎 100% 逐字复现教师错误，而 GRPO 的错误传递率仅为 27%。目前该工作处于预印本阶段，尚未见同行评审或复现报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
arXiv 新论文提出以伪标签作 GRPO 奖励替代 SFT 目标，银行域 WER 相对改善 29.3%–56.2%。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.CL伪标签作为奖励而非目标：面向半监督 ASR 的 GRPO 方法
将伪标签用作 GRPO 的奖励参考而非 SFT 的训练目标，可避免学生模型继承教师错误：在银行领域基于 Whisper 生成标签，GRPO 相对 SFT 取得 29.3%–56.2% 的 WER 相对改善，该优势在四种 Whisper 尺寸、四个教师模型族、三个领域和四种语言上均成立。SFT 几乎 100% 逐字复现教师错误，GRPO 仅传递 27%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。