**ASR模型基准测试优化研究:高分模型存在"刷分"现象**

_Towards Quantifying Benchmark Optimization in ASR Models_

> HuggingFace Daily Papers 最新论文指出,公开基准测试可能导致ASR模型过度优化而无法泛化到真实场景。研究者提出量化基准测试优化的方法,通过三种行为探针发现,最高分的开源模型即使在音频矛盾、被屏蔽或模糊的情况下,仍会逐字输出参考转录文本。研究表明,模型会响应狭窄的声学线索,优先采用基准测试优化策略而非忠实还原音频内容。该行为可通过低秩线性引导或简单追加音频进行因果操控,说明高性能模型存在基准测试条件化行为,可能虚高基准测试成绩,而非真正提升通用转录能力。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-08-21 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2608.19936)