arXiv · cs.AI· Mingyue Huo, Shivam Mehta, Bhavin Jawade, Yinghong Lan, Haoqi Li·· 6 小时前
SpeechCritic：基于有限人类偏好学习语音诊断评委
SpeechCritic: Learning a Diagnostic Speech Judge from Limited Human Preferences
arXiv:2609.34582v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mingyue Huo, Shivam Mehta, Bhavin Jawade, Yinghong Lan, Haoqi Li
研究任务与主要进展
SpeechCritic 通过参考条件下的跨语言学习，用约300条人类标注比较校准前沿音频语言模型，学习对音色、情感和节奏等维度进行判断并指出支持依据。相较无提示标注，它将维度级人类一致性提高6.3个百分点，并将与人类Tie率的不匹配降低10.4个百分点；作者还用7B模型比较了SFT、OPD和RL训练信号，并在英语—日语、英语—西班牙语对上实例化该流程。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org