Add transition-aware R1 and R2 objectives

literature_notes/20_spoken_dialogue_rlaif.md

@@ -0,0 +1,14 @@
+# Optimizing Conversational Quality in Spoken Dialogue Systems with Reinforcement Learning from AI Feedback
+
+- 年份：2026
+- 阅读深度：摘要级筛选
+- 官方链接：https://arxiv.org/abs/2601.19063
+
+## 摘要（中文转述）
+
+该工作研究如何用 AI 反馈和多种奖励改善语音对话质量。系统采用块级增量解码，在话轮层面采样偏好候选，并把各块的概率汇总后进行偏好优化，试图同时改善内容质量、互动自然度和流式响应行为。
+
+## 与当前项目的关系
+
+其块级偏好思想与 Qwen2.5-Omni 的流式提交方式有潜在联系，但当前只做过摘要级筛选。若用于本项目，需要先确认奖励是否真正针对 turn transition、是否包含交互式环境，以及优化变量是生成内容还是独立控制策略。
+