빠른 음성 인식을 위한 비자기회귀적 최소 베이즈 위험 (Non-Autoregressive Minimum Bayes' Risk) 디코딩

요약

비자기회귀적(NAR) 디코딩의 성능 저하 문제를 해결하기 위해 최소 베이즈 위험(MBR) 기반의 새로운 프레임워크인 NAR-MBR을 제안합니다. 단 한 번의 순전파로 여러 샘플을 추출하여 기대 효용을 최대화함으로써, 속도와 정확도를 동시에 개선했습니다.

핵심 포인트

• NAR 디코딩의 병렬 생성 장점과 성능 한계 극복
• 최소 베이즈 위험(MBR) 기반의 새로운 디코딩 프레임워크 제안
• 단일 순전파를 통한 효율적인 다중 샘플 추출 방식 도입
• 기존 NAR 대비 성능 향상 및 AR 대비 빠른 실행 속도 입증