연구진이 다국어 저자원 ASR 환경에서 파라미터 업데이트 시 언어 편향을 줄이는 '통합 그래디언트 투영(UGP)' 기법을 제안했어요. UGP는 언어별 기여도를 균등하게 맞춰 기존 방식의 성능 저하를 막고, 안정적인 크로스-링구얼 학습을 가능하게 해요. Whisper-large-v3 모델에서 평균 잊힘을 거의 0에 가깝게 달성하며 효과를 입증했어요.
UGP는 그래디언트 투영과 데이터 재현 기법을 결합하여 안정성과 적응성을 동시에 높여요. 다양한 저자원 언어 그룹과 모델 크기에서 효과적인 적응과 잊힘 완화를 보여줘요. 기존 방식의 언어 간 간섭 문제를 해결하는 데 기여해요.
연구 결과는 다국어 ASR 모델의 지속적인 학습과 성능 유지를 위한 새로운 방향을 제시하며, 저자원 언어 지원 가능성을 높이는 데 기여할 것으로 기대돼요.