如何量化 ASR 模型的基准优化行为

研究提出一套量化 ASR 模型基准优化的方法，聚焦音频无法确定参考转写文本的情形，通过参考分歧、掩码数字恢复和拼写切换三类行为探针发现，得分最高的开源模型在音频矛盾、被掩码或含糊时仍逐字输出基准参考文本片段。机制探针显示模型会依据狭窄声学线索覆盖对音频的忠实表征，转而采用基准优化策略，且该行为可通过低秩线性引导或简单在片段末尾追加音频被因果操控。