arXiv cs.CL· Yeonju Kim, Bella Godiva, Se Jin Park, Yong Man Ro·· 3 小时前AI 评分52
全双工语音模型为何在长对话中崩溃，作者提出 FD-LHB 基准与免训练修复
Why Full-Duplex Speech Models Collapse in Long Conversations
AI 导读
论文提出全双工长时程基准 FD-LHB，在长对话回放和与 LLM 的实时对话中测试五个近期全双工语音模型，发现每个模型最终都会退化或耗尽上下文窗口。由于模型每帧都生成 token，上下文在几分钟内就被用尽，而保留完整历史的模型常在上下文耗尽前先退化，滑窗模型则出现重复、静默和乱码。
来源：arXiv cs.CL · arxiv.org