低资源任务的选择性注意合并：儿童自动语音识别的案例研究

本研究针对儿童自动语音识别（ASR）中的低资源任务，解决了现有模型在预训练数据不足情况下性能受限的问题。通过引入选择性注意（SA）合并方法，本文显著改善了低资源任务的模型表现，实验结果显示相对词错误率降低了最高14%。