计算机科学 > 计算与语言
[提交于 2025年8月25日
]
标题: 通过强化行为对齐增强语音大语言模型
标题: Enhancing Speech Large Language Models through Reinforced Behavior Alignment
摘要: 最近大型语言模型(LLMs)的进展激发了研究者们将它们的语言能力扩展到文本以外的其他模态的兴趣,这导致了具有处理用户请求能力的语音基础LLMs(SpeechLMs)的出现,这些模型可以以语音或文本格式处理用户请求。然而,由于模态间的差异,这些SpeechLMs在遵循指令方面与文本基础的LLM相比仍存在显著性能差距,尤其是在面对用户语音的动态和多变性质时。为了解决这一挑战,本文介绍了一个称为强化行为对齐(RBA)的框架,旨在增强SpeechLMs的语言生成能力。RBA不依赖于从人类标注中进行监督微调,而是采用一种自我合成方法,通过一个强大的教师LLM生成大量高保真对齐数据。然后使用基于强化学习的方法将SpeechLMs的行为与教师的行为对齐。实验结果表明,这种方法有效提升了SpeechLMs的指令遵循能力,其表现优于传统的蒸馏基线。关键的是,我们证明RBA可以无缝扩展到包括语音问答和语音到文本翻译在内的任务,在仅使用自生成数据的情况下,在开放基准测试中取得了最先进的性能。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.