LOPA: Enhancing Spoken Language Assessment via Latent Ordinal Prototype Alignment
通过隐式有序原型对齐增强口语评估
🧭 口语评估 · 有序回归
National Taiwan Normal University
用原型对齐正则化和语义锚定层路由在冻结Whisper上实现0.36 RMSE，媲美十亿参数大模型
📌 工作参考价值（4 点）
- 评分场景（如店铺评分、用户满意度预测）可利用有序原型对齐，在隐空间强制序关系，提升回归精度和可解释性
- 语义锚定层路由（SALR）可启发多深度特征融合：对冻结大模型不同层输出做自适应加权，相当于低成本提取多粒度特征
- 不微调大模型、仅加轻量正则器即达高性能，适合资源受限的线上服务；可尝试对BERT/Whisper等冻结编码器加原型损失微调下游任务
- 原型作为可学习的序数锚点，可类比推荐中的用户/物品层级原型（如消费力分层），辅助冷启动和排序校准