OrukLabs 用强化学习降低语音识别词错率，九套测试集平均降至 4.757%

OrukLabs 团队公布了一种用于语音识别的强化学习训练方法，通过不再向错误词汇提供正向奖励降低词错率。方法在九个公开英文测试集上的平均 WER 从 4.936% 降至 4.757%，团队称完整可复现 recipe 和权重均已开源。