論文の概要: Controlling Backchannels in Streamable Full-duplex Models

• arxiv url: http://arxiv.org/abs/2609.29418v1
• Date: Thu, 24 Sep 2026 11:38:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.889138
• Title: Controlling Backchannels in Streamable Full-duplex Models
• Title（参考訳）: ストリーム型フルダブルプレックスモデルにおけるバックチャネル制御
• Abstract要約: バックチャネルは自然な会話の中心であるが、完全な音声対話モデルはそれらを明示的にモデル化することは滅多にない。 フルモデル独自の隠れ状態から予測する軽量なバックチャネルヘッドを導入する。
• 参考スコア（独自算出の注目度）: 23.40803667920832
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Backchannels, brief acknowledgements like "uh-huh" produced while the other party may still be talking, are central to natural conversation, but full-duplex spoken dialogue models rarely model them explicitly. We introduce a lightweight backchannel head that predicts, from a full-duplex model's own hidden states, when a backchannel should begin. Once this probability crosses a tunable threshold, a backchannel is force-decoded. Attached to both a 7B (PersonaPlex) and a 1B (F-Actor) model, it generalizes across scale. Probing confirms the hidden states anticipate real human timing, and generation evaluation shows more frequent, better-timed backchannels. Human raters judge the resulting backchannels on par with real ones.
• Abstract（参考訳）: バックチャネル、例えば「uh-huh」のような短い認識は、相手がまだ話している間は、自然な会話の中心であるが、完全な二重言語対話モデルは、それらを明示的にモデル化することは滅多にない。 バックチャネル開始時の全二重モデル自身の隠れ状態から,軽量なバックチャネルヘッドを導入する。 この確率が調整可能なしきい値を越えると、バックチャネルは強制復号化される。 7B(PersonaPlex)モデルと1B(F-Actor)モデルの両方に付属し、スケールにわたって一般化する。 仮説は、隠れた状態が実際の人間のタイミングを予測していることを確認し、生成評価はより頻繁でより時間の良いバックチャネルを示す。 人間のラッカーは、実際のものと同等のバックチャネルを判断します。

関連論文リスト

• PAWBench: How Far Are We from Probabilistically Aligned World Modeling? [60.16773899025656]
  この分布レベルの要件を確率的アライメント(probabilistic alignment)と呼ぶ。 PAWBenchは、ビデオジェネレータを世界ダイナミクスのサンプルとして評価するためのベンチマークである。 本稿では、繰り返しビデオのロールアウトを経験的分布に変換する結果レベルプロトコルであるPAWEvalを紹介する。
  論文  参考訳（メタデータ） (2026-08-27T16:46:38Z)
• Statistically Undetectable Backdoors in Deep Neural Networks [3.400967062338203]
  敵モデルトレーナーが、深いフィードフォワードニューラルネットワークの大規模なクラスにバックドアを植える方法を示す。 バックドアは 統計的に検出できない ホワイトボックスの設定 つまり バックドアと 正直に訓練されたモデルは 距離が近い
  論文  参考訳（メタデータ） (2026-07-10T15:37:32Z)
• Overcoming State Inertia in Full-Duplex Spoken Language Models via Activation Steering [87.43777061308658]
  フル音声言語モデル(FDSLM)における予測行動の解析 FDSLMは、モデル出力生成に整合した生成状態と、ユーザ入力に整合した知覚状態の2つの状態間の内部焦点を動的に変調する。 ユーザ中断中は、モデルが知覚状態に遷移する前に生成状態に対して過渡的に偏りを保ち、入力の開始を逃す。
  論文  参考訳（メタデータ） (2026-06-09T19:08:07Z)
• SALM-Duplex: Efficient and Direct Duplex Modeling for Speech-to-Speech Language Model [28.42203609938444]
  本稿では,連続的なユーザ入力とチャネル融合を伴うエージェント出力を特徴とする,新しい2重音声合成(S2S)アーキテクチャを提案する。 ユーザ入力に事前トレーニングされたストリーミングを使用することで、音声事前トレーニングを必要とせずに、第1の二重S2Sモデルを実現できる。 実験結果から,提案モデルが従来の2次モデルよりも,推論,ターンテイク,バージイン能力に優れていたことが示唆された。
  論文  参考訳（メタデータ） (2025-05-21T15:48:30Z)
• Full-Duplex-Bench: A Benchmark to Evaluate Full-duplex Spoken Dialogue Models on Turn-taking Capabilities [93.09944267871163]
  FullDuplexBenchは、重要なインタラクティブな振る舞いを体系的に評価するベンチマークである。 ベンチマークコードを公開することによって、音声対話モデリングの進歩と、より自然で魅力的なSDMの開発を目指しています。
  論文  参考訳（メタデータ） (2025-03-06T18:59:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。