Dual-Axis RM 试图解决全双工语音对话的奖励设计
udmrzn · x · 2026-07-25
语音全双工对话的奖励建模，被新论文拆成两条轴
转发内容讨论的是 full-duplex spoken dialogue models：这类模型已经能边听边说、还能处理打断，但训练时的奖励信号怎么设计仍是难题。帖子指出，现有方法往往只评估时机或语义，很少把两者一起纳入。
新论文提出 Dual-Axis RM，试图同时覆盖这两个维度，作为 RL 奖励建模方案。帖子还标明这是 ACL 2026 论文。
「研究」频道最新
- Kimi K3 在网络安全上很强，但 token 效率卡住了评测 — teortaxesTex · 2026-07-27
- ARC AGI 3 应该保持私有，不该公开示例和数据集 — flowersslop · 2026-07-27
- ExploitGym 可能只有六到七成任务可解，引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- Chollet 认为智能可能有硬上限，AI 进步会趋于边际递减 — binarybits · 2026-07-27
- 论文提出图拓扑可成为 AI Agent 核心框架 — theomitsa · 2026-07-27
- 一个问题追问多智能体分支如何随算力和模型规模变化 — iskander · 2026-07-27