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
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- 研究者发现「Forking」现象：训练损失下降验证损失反升 — ZimingLiu11 · 2026-10-26
- DeepMind 试点全球首个双盲 AI 评测，密码学隔离防基准污染 — scychan_brains · 2026-10-26
- 研究揭示合成数据最优比例随算力从10%升至32% — heghbalz · 2026-10-26
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26
- LEMON 监控器:从注意力图零样本识别未见过的 LLM 幻觉与越狱 — yoavartzi · 2026-10-26