选择还是改写：面向 N-Best 候选的 Oracle 引导生成式 ASR 后编辑微调

大型语言模型可以利用语言上下文比较 N-best 候选，并在需要时改写转写文本，从而在无需重新训练识别器的情况下，通常改善 WER。然而，仅依赖提示词的纠错方式较为脆弱：当 top-1 结果正确时可能过度编辑，在参考答案不在候选列表中时可能产生幻觉，而且往往需要规模非常大的模型。我们提出了一种 Oracle 引导的微调方法，通过三个经过筛选的数据池，将 N-best 列表转化为监督信号：纠错样本（参考答案在列表中但不在 top-1 中）用于教授选择，正则化样本（top-1 正确）用于抑制不必要的改写，以及困难负样本（参考答案不在列表中）用于抑制幻觉。在这些数据上进行微调，对于学习混合式“选择或改写”策略而言，比随机子集微调提供了更有效的监督；在专有数据集上，从约 3B 参数规模的模型开始即可观察到最明显的收益，但在 CommonVoice 上的结果则不太确定。这种差异表明，公开的朗读语音文本可能与 LLM 的预训练数据存在重叠，从而掩盖了真实的后编辑收益。