Pruned CTC réduit la mémoire nécessaire à l’entraînement de la reconnaissance vocale CTC
1 sourcemis à jour 29 sept.pertinence 3,0 sur5
L’essentiel
Avec un encodeur Zipformer-M et un vocabulaire de 180 000 tokens, la mémoire d’un pas complet baisse d’un facteur 5,1, pour 17 % de temps de pas en plus. La précision égale celle du CTC standard sur trois corpus.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYifan Yang, Xiaoyu Yang, Zengrui Jin et al.huggingface.co
Pruned CTC for Memory-Efficient Large-Vocabulary ASR Training (site externe)
A key observation is that every valid CTC alignment uses only target tokens and blank, and their union across a batch typically forms a small subset of the full vocabulary.
Sur les mêmes thèmes
Infra
Ai2 publie Olmo-core 3, son framework d’entraînement ouvert pour de grands modèles à mélange d’experts
Infra
SlimWise élague les experts uniquement au décodage pour servir plus efficacement les modèles MoE
Recherche
RayOrch, un moteur distribué, préserve les liens parent-enfant dans la préparation de données d’IA
Infra
TRACE propose un entraînement FP4 par RL pour les modèles MoE, guidé par les rollouts
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5