arXiv · NLP· Guoqiang Hu, Lichao Zhang, Yizhou Peng, Yuhao Luo, Haifeng Hu, Sallen Sun, Will Yang, Eng Siong Chng·· 3 小时前AI 评分40
全双工语音模型采用窗口似然法优化打断与回应响应
Integrate the Reward, Don't Sample It: Window Likelihood for Interruptions and Backchannels in Full-Duplex Speech Models
AI 导读
全双工语音模型使用序列级强化学习时存在梯度陷阱和信用泄露缺陷。 提出窗口似然（Window Likelihood）方法，在六个开源模型上实现最优 yield/hold F1 分数。 该方法优于 Kyutai 发布的 GRPO 检查点，且不增加重新开启对话的问题。
来源：arXiv · NLP · arxiv.org