HiPLEX: 分层策略分解用于全双工语音语言模型

HiPLEX 是一种强化学习框架，将预训练的全双工文本策略分解为控制策略和条件内容策略，分别决定何时输出内容和输出什么内容。该框架在 Full-Duplex-Bench v1 上通过三个 Moshi 种子测试，相比 GRPO 显著降低自然用户停顿和反馈机会的接管率，并缩短中断后的响应延迟。HiPLEX 在 Moshi 和 PersonaPlex 上更贴近人类对话的轮次定时和反馈频率分布。