仅用熟人真实对话训练，OpenYap 登顶 TurnBench 轮次预测榜
realmrfakename · x · 2026-10-18
The Agentic Data Company 发布 turn-taking 模型 OpenYap Turn，在 Sesame 的 TurnBench 上端点预测（end-of-turn）24 个参赛者中排第 1（recall 0.978、中位延迟 298ms），打断预测排第 2。
核心论点：现有"自然对话"语音数据多是陌生人配对聊给定话题，这种数据恰恰缺失了熟人之间才会出现的抢话、接话、留白等真实对话结构，因此教不会模型"什么时候该说话"。
团队仅用朋友与家人之间的 1984 小时真实对话训练，即取得榜单领先；但他们同时表示，这类小型 turn-taking 模型并非最终答案，文中给出了进一步分析。
「研究」频道最新
- Periodic 创始人 CoLM 演讲：自训模型终将跨越前沿模型拐点 — heghbalz · 2026-10-18
- PNAS 论文:生物突触可自组装出逼近梯度下降的学习规则 — xuanalogue · 2026-10-18
- SGPnP 论文获 IEEE 接收：扩散模型直插 PnP 重建框架 — prof_kamilov · 2026-10-18
- Stanford 教授 Surya Ganguli 长讲：从统计物理溯源 Scaling Laws — burny_tech · 2026-10-18
- Domingos：叠加是特性而非缺陷，不损可解释性反增记忆容量 — pmddomingos · 2026-10-18
- 旋转棱镜模拟微眼跳，事件相机首次获稳定纹理感知 — RexDouglass · 2026-10-18