arXiv 2026年10月14日语音大模型不再按固定帧率压缩：让边界策略跟着识别结果学，英文少用约四分之一音频词ASSET 用强化学习训练语音编码器的分段边界，在 LibriSpeech 上以约少 25% 的音频词达到接近字符边界 oracle 的识别率。ASSET 用强化学习训练语音编码器的分段边界，在 LibriSpeech 上以约少 25% 的音频词达到接近字符边界 oracle 的识别率。The University of Texas at AustinJohns Hopkins UniversityNvidia (United States)Cihan Xiao（第一作者）#ASSET自适应语音分段#自适应语音分段#组相对策略优化#音频令牌压缩#语音识别