Apple 提出半监督联邦 ASR 实用方案：在线伪标签与服务器更新稳定化

Apple 研究团队提出半监督联邦 ASR 训练方案，通过在线伪标签教师与服务器端标注数据锚定更新两条耦合设计轴缩小与全监督联邦学习的差距。该方案在 11 组对比中 9 组优于最强先前方法，域内平均提升 20.8%、跨域提升 10.0%。服务器必须在轮次间持续用标注数据训练，这一交错更新比种子模型更决定收敛，且稳定化需求取决于种子数据分散度及其与客户端数据的重叠程度。