该研究探讨了大型语言模型中的上下文偏置，通过提供额外的上下文信息来提升自动语音识别性能。研究提出了偏置列表和提示方式，以及多任务训练和动态提示方法，分别实现了17.8%和9.6%的改善。

该研究探讨了大型语言模型中的上下文偏置，并提出了多种方法来提升自动语音识别性能，包括偏置列表、少量示例、多任务训练和动态提示等。实验结果表明，这些方法可以分别实现17.8%至20.0%的相对WER改善。