821 B
821 B
Aligning Spoken Dialogue Models from User Interactions
- 年份：2025
- 阅读深度：摘要级筛选
- 官方链接：https://arxiv.org/abs/2506.21463
摘要（中文转述）
该工作尝试从真实用户交互中自动构造语音对话偏好数据，通过时间和语言层面的变化形成大量成对样本，再进行离线偏好对齐。目标是减少完全人工标注的依赖，让模型从实际互动模式中学习更合适的响应行为。
与当前项目的关系
它说明 transition 策略不一定要依赖在线 RL，也可以通过构造偏好对做 DPO 类离线学习。对 EasyCom，可以围绕真实边界生成早开口、晚开口和错误打断的反事实候选；但要警惕这些候选并不改变固定视频中的后续说话者行为，因果意义仍然有限。