语音对话系统提出最早可执行点监督流水线

研究者 Yizhou Peng 等提出一条合成语音对话流水线，为对话标注“最早可执行点”，即观察到的语音何时足以确定要调用的工具及其所需参数。团队据此构建了覆盖 48 个领域、26,694 段对话、共 786 小时的数据集，并制作了 τ²-bench 的音频版本。 基于该语料训练的全模态语言模型能在对话进行中按 chunk 做因果决策，提前触发工具调用。工具状态 macro-F1 在留出集和外部基准上分别为 0.48 和 0.47。作者称将开源该流水线和训练脚本。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。