跳到正文
热点事件持续更新

论文提出窗口似然方法替代GRPO时序奖励训练全双工语音模型

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

Guoqiang Hu 等在论文中提出 window likelihood（WL）方法，用于改进全双工语音对话模型在用户打断与附和时的表现。作者称 GRPO 对时序奖励的整段 rollout 存在零梯度陷阱和 credit leakage 两类失败，WL 则在每个窗口对 stop 决策做闭式积分，最大化正确行为的对数概率。 在 HumDial-FDBench 上，作者称 WL 在其训练的六个结构不同的开源模型上取得最优 yield/hold F1，并超过 Kyutai 发布的 GRPO checkpoint（后者训练数据不同）。

AI 根据报道生成 · 3 小时前更新

最新进展10月26日 23:14
全双工语音模型新方法 Window Likelihood：积分奖励而非采样奖励

报道时间线

沿着报道，了解事件的不同侧面。

10月26日
  1. arXiv · cs.CL
    全双工语音模型新方法 Window Likelihood：积分奖励而非采样奖励

    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。

本事件热度走势

可比范围当前
6
可比范围峰值
710月27日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。