本论文介绍了一种基于预训练掩码语言模型的条件联合建模框架，用于提高医学领域 ASR 系统的识别准确率。实验结果显示，该模型相对于基线模型在字典和会话样式语料库上有5%的绝对改进和10%的ASR输出优化。

本论文介绍了一种基于预训练掩码语言模型的条件联合建模框架，用于提高医学领域ASR系统的识别准确率。通过自适应技术和数据增强方法，该模型在字典和会话样式语料库上相对于基线模型实现了约5%的绝对改进和约10%的ASR输出优化。