研究：ASR财报转录中持续学习正则化的必要性及对比

发生了什么

据arXiv论文，研究评估了Whisper-small在Earnings22基准上的适应情况，发现所有方法在适应过程中均表现出对保留财务语音的改进而非遗忘，使得正则化适得其反。然而，当需要正则化时，分层mini-KFAC近似比标准对角EWC实现更低的词错误率和更稳定的优化。建议在使用持续学习约束前评估任务互补性。