2026 年 9 月：LLM 作為審判者降低警察通訊轉錄誤率

面對背景雜音極重的警察通話錄音，現有 Whisper 與 Qwen3-ASR 模型的傳統信賴度指標失效；研究顯示，引入大型語言模型（LLM）擔任「審判者」進行過濾，能有效降低錯誤率。該研究成果於 2026 年 9 月 24 日在 arXiv 公開，並擬參加 2026 年 SLT 會議發表。

研究背景與數據來源

本研究於 2026 年 9 月 24 日在 arXiv (cs.AI) 發布論文《Pretrained ASR Pseudo-labeling for Noisy Police Audio》，並計劃提交至 2026 年 SLT 會議。研究團隊使用了來自 Baltimore（巴爾的摩）和 Chicago（芝加哥）地區的「Broadcast Police Communication」（BPC，廣播警察通訊）數據集。

警方組織旨在執行法律、維持公共秩序及保護公民安全，其運作依賴國家授權的權力，包括依法逮捕及使用武力，並透過稅收獲得經費。然而，實際執法現場背景雜音極度嚴重，導致通用語音轉錄系統難以正常運作。因此，針對此特定領域（domain），傳統模型並不適用，亟需新的解決方案。

研究指出，現有內部信賴度指標（如 Log-probabilities 和 STAR scores）無法有效區分高品質與低品質的 BPC 假標籤數據，這阻礙了對警方決策過程的理解。

關鍵數據與模型比較

研究對比了「現有內部指標」與「LLM-as-a-judge（大型語言模型作為審判者）」兩種過濾方法的效果。

研究確認，LLM-as-a-judge 利用參數化知識（parametric knowledge）丟棄語境上不可能的轉錄文本。儘管與理想標準（oracle filter）相比仍存在差距，但其表現優於內部指標，成功降低了 WER。

關於性能差異的具體數值，原文未提供精確百分比，僅定性地指出 LLM 過濾後 WER「顯著減少」（significantly reduced），且比 oracle filter 基準仍有改善空間。

影響與實際應用

此研究有助於降低阻礙理解警方決策過程的障礙。透過 LLM 更嚴格地過濾曾被內部指標排除的低品質文本，實際數據品質得以提升。

這一技術將有助於未來減少偵查記錄自動化及警察活動分析中的錯誤。若結合 AI 技術，警方在確保安全、健康與財產以及預防犯罪與暴亂方面的主要職能效率將得到提高。

此外，實現模型間的相互學習（Cross-model pseudo-labeling）後，原本僅使用特定地區數據的系統，可透過學習其他地區的雜音數據來改善自身性能。

未來展望

「跨模型偽標籤」（Cross-model pseudo-labeling）是一種利用一個模型的標籤來微調另一個模型的技術，被認為是充滿希望的發展方向。

研究團隊表示，此方法對於未來的偽標籤化任務具有潛力。儘管目前的 LLM 過濾方式尚未達到完美（與 oracle filter 仍有差距），但改進餘地充足。該研究成果預計將於 2026 年在 SLT 會議上正式發表，未來將在相關研究中受到更多關注。

來源

1. Pretrained ASR Pseudo-labeling for Noisy Police Audio — arXiv cs.AI 신규 논문
2. Police — Wikipedia (en)