arXiv · cs.CL· Guoqiang Hu·· 15 小时前AI 评分42
全双工语音模型新方法 Window Likelihood：积分奖励而非采样奖励
Integrate the Reward, Don't Sample It: Window Likelihood for Interruptions and Backchannels in Full-Duplex Speech Models
来源与原文
arXiv · cs.CL
作者：Guoqiang Hu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.35581v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 window likelihood（WL）方法，改进全双工语音对话模型在用户打断与附和时的表现。作者发现时序奖励的 GRPO 整段 rollout 存在零梯度陷阱和 credit leakage 两类失败，WL 则在每个窗口闭式积分 stop 决策并最大化正确行为的对数概率。在 HumDial-FDBench 上，WL 在六个开源模型上取得最优 yield/hold F1，超过 Kyutai 发布的 GRPO checkpoint，且不重新打开话轮。
来源：arXiv · cs.CL · arxiv.org