arXiv · NLP· Haolong Zheng, Maike Z\"ufle, Dominik Mach\'a\v{c}ek, Peter Pol\'ak, Xulin Fan, Xavier Sumba, Siyin Wang, Ond\v{r}ej Klejch, Mark Hasegawa-Johnson·· 2026-10-09AI 评分30
SteerablePlex:全双工模型的可控性探索
SteerablePlex: Can We Steer Full-Duplex Models?
AI 导读
研究提出 SimIF-Bench 基准与基于 GDPO 的训练配方,解决全双工模型随对话历史增长而难以控制的问题。 SteerablePlex 连接异步后端语言模型以提供指令,比现有开源模型及 GPT-Realtime 更可靠地遵循多阶段约束。 该方法使模型在保持对话轮次能力的同时遵循文本指令,提升了作为用户模拟器的评估可靠性。
来源:arXiv · NLP · arxiv.org