بهینهسازی سیاست مبتنی بر ردسازی (Rejection‑Based Policy Optimization) یک تکنیک در یادگیری تقویتی است که در آن مدل تصمیم میگیرد آیا پاسخ خاصی را قبول کند یا رد نماید. این روش برای کاهش خطای ناشناخته و بهبود کیفیت خروجی در سیستمهای ASR کاربرد دارد. با اعمال سیاستهای ردسازی بر اساس معیارهای دقیق، مدل میتواند بهصورت خودکار پاسخهای نامعتبر را فیلتر کرده و دقت را افزایش دهد.
تحقیقاتگران یک سیستم تشخیص گفتار ایجاد کردند که به دقت کلمات یا نامهای خاص را در دایرهی واژگان شناسایی میکند، با ترکیب مدلهای زبانی و انتخاب کاندیداها، عملکرد را چشمگیری بهبود میبخشند بدون اینکه دقت کامل ترنسکریپشن را. منبع