HiPLEX强化学习框架提出，优化全双工语音模型对话节奏

研究人员提出名为HiPLEX的强化学习框架，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，以分别决定何时输出和输出什么内容。 该框架在Full-Duplex-Bench v1基准测试中，相比GRPO方法，显著降低了模型在用户自然停顿和寻求反馈时的“接管”率，并缩短了中断后的响应延迟。 测试结果显示，HiPLEX在Moshi和PersonaPlex模型上，其对话的轮次定时和反馈频率分布更贴近人类对话模式。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。