Skip to content
Hot eventLive

研究：财报电话会议ASR中EWC与mini-KFAC正则化对比

1 reports1 sources3 hr ago updated

Get the story

AI overview

该研究关注将 Whisper-small 从通用语音语料迁移到 Earnings-22 财报电话会议基准时，是否需要持续学习正则化。研究测试了标准对角 EWC 与逐层 mini-KFAC 近似两种方法。结果显示，所有评估方法在留出的同域金融语音上均表现为改善而非遗忘，正则化反而适得其反。在确实需要正则化的情形下，逐层 mini-KFAC 近似比标准对角 EWC 取得更低 WER 与更稳定优化。研究建议先评估任务互补性再施加持续学习约束，必要时优先选择 mini-KFAC EWC。

Generated from reports · updated 2 hr ago

LatestOct 12
研究称迁移到Earnings-22时各方法均改善而非遗忘，正则化适得其反；需正则化时mini-KFAC优于对角EWC。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Audio and Speech
    金融语音需要持续学习正则化吗？EWC 与 mini-KFAC 在财报电话会议 ASR 上的研究

    将 Whisper-small 从通用语音语料迁移到 Earnings22 基准时，所有评估方法在留出的同域金融语音上均改善而非遗忘，使正则化适得其反。需要正则化时，逐层 mini-KFAC 近似比标准对角 EWC 取得更低 WER 与更稳定优化。研究建议先评估任务互补性再施加持续学习约束，必要时优先选 mini-KFAC EWC。

Heat trend

There is not enough continuous observation data to draw a trend yet.