论文
MLC-SLM 2026 的百融系统：用于多语言会话语音理解的动态问题感知证据路由
The Bairong System for MLC-SLM 2026: Dynamic Question-Aware Evidence Routing for Multilingual Conversational Speech Understanding
摘要
长时间的多语言会话口语问答需要系统平衡远程转录语义与稀疏的声学和说话者敏感提示。我们为 MLC-SLM 2026 挑战赛展示了 Bairong 系统，其中二值化 ASR 前端生成说话人归属的转录本，动态证据路由器构建特定于问题的输入以进行答案预测。路由器不是应用固定的仅转录或仅音频策略，而是从问题和答案选项中推断所需的证据类型和上下文范围，并在完整转录上下文、本地音频文本融合、与说话者相关的证据和紧凑的全局声学样本中进行选择。这种转录骨干设计可以保持话语上下文可用，同时仅在提供补充证据时才激活音频。我们的任务 1 系统在开发和评估集上实现了 25.70% 和 18.44% tcpMER。对于任务 2，最终系统获得了 94.84% 的开发准确度，比全转录基线高 1.68 分，比最佳以音频为中心的诊断系统高 2.77 分。这些结果支持动态问题感知路由作为会话口语 QA 的有效证据分配策略。