lattice生成和N-best搜索：
引用多種假設思想，使語音解碼器輸出多個得分較高的結果，然後再利用一些附加知識如當前狀態及談話主題選擇一個合理的結果。
multiple hypotheses在multi-pass decoding，DT，unsupervised adaptation，confidence estimation中都有應用。
multi-pass decoding：核心是首先用簡單模型生成一系列可能假設，然後用更復雜模型或者自適應模型重新計算分數。然後從中選擇最終結果。
DT：在DT中，對訓練數據 的multiple hypothesis 用於計算LF（損失函數），表面識別錯誤發生的風險。
