标签
本文提出LEAF，一种基于回顾树的强化学习方法，用于语音感知大语言模型后训练，无需在线分支即可改进信用分配。在语音问答和语音翻译基准测试中，LEAF优于GRPO。
SALSA提出了一种轻量级自适应方法，用于语音感知的大语言模型，通过监督目标学习逐层引导向量，在域外语音基准上取得了显著改进（相对提升高达46.8%），并表明引导编码器层（尤其是较深层）比修改LLM主干更有效。