标签
Sierra宣布与软银（SoftBank）达成战略合作，向日本企业提供其对话式AI平台，软银将担任独家销售合作伙伴，并在其自有品牌中采用该平台。
对AI语音助手ChatGPT-Live、Pi、Lucy OS1和Gemini-Live的比较，重点关注哪个使用起来最自然，得出的结论是：随着智能水平的提高，对话质量正成为关键差异化因素。
本文分析了2053次真实患者与聊天机器人的对话，发现沟通风格差异巨大，且能显著改变分诊结果。研究表明，能够模拟情绪状态和对话策略的患者模拟器所生成的对话，在图灵测试中几乎与真实对话无法区分。
OpenAI 发布了新的全双工语音模型 GPT-Live-1 和 GPT-Live-1 mini，旨在实现更自然的实时对话，支持同时说话和聆听，在轮流发言和上下文处理方面有所改进，并取代 ChatGPT 中的 Advanced Voice Mode。
OpenAI发布GPT-Live-1，这是ChatGPT升级后的语音模式，打断用户更少，支持实时翻译，并能针对天气、体育等话题生成视觉背景。
NapMem是一个框架，将长期用户记忆视为结构化动作空间而非被动检索，通过多粒度记忆金字塔和强化学习训练代理进行记忆导航。实验表明，在记忆密集型任务上表现有竞争力。
一位开发者分享了让LLM生成的播客听起来更自然的技术，包括使用约束条件迫使产生分歧，以及在生成前预先编辑内容。
提出一种主动思考框架，使大语言模型能在对话间隙预计算回复要素，在不牺牲质量的前提下提升交互效率。引入无需训练的基线方法，通过推测性持续思考预测未来状态，并在时间感知基准上进行评估。
一条推文强调提示工程仍然具有相关性，推荐阅读如何通过头脑风暴和规划等技术来丰富与AI智能体的互动。
Google 的 Gemini Omni Flash 模型可以通过对话提示来编辑视频，使用 Interactions API 根据用户描述生成新片段。
本文介绍了Profile-guided Personalized Retrieval Optimization (PPRO)，一种通过将用户画像融入记忆检索并利用强化学习优化检索的框架，增强了长期对话智能体的能力，在现有方法上实现了持续改进。
本文提出 TRACE，一种查询处理框架，将对话数据建模为时间证据图，以支持对不断演进的用户状态进行状态感知推理，从而提高长对话问答中的时间推理和多跳推理能力。
本文提出了一种基于参考的评估协议，用于评估语音到语音AI系统的韵律和节奏，通过匹配人类对话数据提供可解释的行为合理性检查。
IMCBench是一个新的基准，用于评估多模态大语言模型在图像基础医疗对话中的表现，它将临床图像与合成患者档案配对。在安全性、准确性和不确定性方面的评估表明，即使是像Claude Opus 4.6这样强大的模型也存在安全问题，凸显了多维度评估的必要性。
提出了一种系统方法论，将印地语WordNet转换为125万条指令-响应对，并利用LoRA对12B参数语言模型进行微调，展示了在低资源语言专业对话系统中教学效果的显著提升。
本文探讨将非暴力沟通(NVC)原则作为轻量级提示约束，用于减少大语言模型在冲突倾向交互中的对话升级。在多个指令微调模型上的实验表明，NVC约束提示能持续降低对话升级，并稳定与高度抵抗用户的互动。
本文提出了一种模块化的端到端语音对话系统，适用于低资源的阿尔及利亚方言，集成了ASR、NLU、RAG和TTS，并使用了专用数据集和微调模型。
Coval宣布完成A轮融资，旨在构建用于测试和部署企业对话式AI代理的基础设施，其灵感来自自动驾驶测试的严谨性。
本文介绍了一种对话语音代理系统，该系统使用轻量级设备端“Talker”模型立即开始响应，然后随着前沿大语言模型“Reasoner”知识的可用而将其融入，实现了7-19倍的首响应时间缩短，同时在笔记本电脑上达到接近前沿水平的性能。