HIVE 發現語音轉錄比鍵盤錯字更傷 LLM 推理，增加思考預算也未能補回

語音代理通常把自動語音辨識輸出直接送入語言模型，但系統評測多以乾淨文字提示進行。8 月 4 日公開的研究提出 Human Input-Variation Engine（HIVE），分別模擬 QWERTY 鍵盤錯誤、一般語音轉錄中的不流暢，以及 AI 聽寫工具對句子的壓縮與重組，用來測量輸入通道如何改變指令模型表現。

作者報告，受測的所有指令微調模型都會因語音轉錄擾動而降低準確率；主要問題並非加入「嗯」等填充詞，而是轉錄過程改寫了原句結構。鍵盤錯字的影響較小，模型能容忍相當程度的表面噪音，直到關鍵 token 被破壞。研究將兩種通道的共同失敗因素指向「原問題有多少 token 在擾動後仍被保留」：額外插入 token 通常代價有限，刪除或改壞原有 token 才會顯著傷害結果。

通道差距主要出現在需要自行建構或推導答案的任務；若答案已列在多選選項中，差異不明顯。作者也測試較高的 thinking budget，結果幾乎補回鍵盤擾動造成的損失，卻未修復口語轉錄，壓縮式語音甚至可能在增加推理後更差。輕量適應訓練同樣未能消除問題，因此不能簡單假設加入少量帶噪資料即可解決。

對語音代理工程師而言，ASR 的字錯率不足以代表下游風險；同樣的錯字率若刪掉否定詞、條件或實體，影響會遠高於加入贅詞。較實際的防線是保留原始轉錄與正規化版本、標示低信心片段，並在執行工具前要求使用者確認關鍵參數。這仍是單篇預印本，摘要未提供跨語言結果；中文斷詞、同音字與省略主詞可能形成不同失敗模式，值得以公開程式及完整資料進一步驗證。