@kyutai_labs: 新论文：全双工语音模型中的多面互动对齐 我们使用强化学习对语音模型（Mo…

X AI KOLs Following 论文
speech-models rl interactivity full-duplex human-ai-interaction post-training alignment

摘要

Kyutai Labs 发布了一篇新论文，使用强化学习对语音模型（Moshi 和 PersonaPlex）进行后训练，以实现更像人类的交互，包括何时回应、等待或发出倾听提示。

新论文：全双工语音模型中的多面互动对齐 我们使用强化学习对语音模型（Moshi 和 PersonaPlex）进行后训练，使其更像人类一样交谈：知道何时回应、何时等待，以及在倾听时用“嗯”和“好的”点头附和。https://t.co/MGtqCmyD5L
查看原文
查看缓存全文

缓存时间: 2026/06/10 17:53

新论文：全双工语音模型中的多面交互对齐

我们使用强化学习对语音模型（Moshi 和 PersonaPlex）进行后训练，使其更像人类对话：知道何时回应、何时等待，并在聆听时适时附和“嗯”和“好的”。https://t.co/MGtqCmyD5L

相似文章

全双工语音模型在被问及时发言，而非在需要时

arXiv cs.CL

本文评估了全双工语音模型在决定何时发言方面的能力，发现像Moshi和PersonaPlex这样的模型主要响应被提及或沉默，而不是内容驱动的触发器，如错误声明或危险，从而识别出内容理解上的差距。

通过通用风格感知全双工框架实现主动语音轮换

arXiv cs.CL

本文提出了一种通用风格感知全双工框架，包含一个轻量级的轮换控制器LPS-TC；引入了一个大规模数据集WildTurn，用于真实世界对话；并提出了一种两级评估方案，以增强对话系统中的主动语音交互和响应质量。