引入了一个新的基准 Full-Duplex Long-Horizon Benchmark (FD-LHB)，用于评估全双工语音模型在长时间内的对话能力。研究表明，尽管当前模型能够同时听和说，但在长对话中却举步维艰，通常在几分钟内就会出现性能下降或耗尽其上下文窗口。该研究确定了导致模型崩溃的两个关键机制：初始化锚点驱逐 (Initialization-Anchor Eviction) 和双工重复惩罚 (Duplex Repetition Penalty)，并提出了简单的修复方法，如初始化锚点固定 (Initialization-Anchor Pinning) 和双工重复惩罚，无需重新训练即可缓解这些问题。 AI
影响 凸显了当前全双工语音模型在持续对话方面的局限性，可能指导未来研究朝着更具鲁棒性的对话式AI发展。
排序理由 该集群包含一篇详细介绍新基准和AI模型能力分析的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Duplex Repetition Penalty
- FD-LHB
- Full-Duplex Long-Horizon Benchmark
- Full-Duplex Speech Models
- Initialization-Anchor Eviction
- Initialization-Anchor Pinning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
