窗口似然方法优化全双工语音模型
热点事件持续更新
窗口似然方法优化全双工语音模型
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月27日，研究人员Guoqiang Hu等提出窗口似然（Window Likelihood）方法，以解决全双工语音模型使用序列级强化学习时存在的梯度陷阱和信用泄露缺陷。 该方法通过在每个窗口采样延续序列，并对停止决策进行闭合形式积分，最大化正确行动的对数概率，具体采用noisy-OR策略优化yield响应，生存乘积策略优化hold响应。 实验显示，该方法在六个开源模型上实现了最优的yield/hold F1分数，表现优于Kyutai发布的GRPO检查点，且未增加重新开启对话的问题。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
全双工语音模型采用窗口似然法优化打断与回应响应报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · NLP全双工语音模型采用窗口似然法优化打断与回应响应
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。