arXiv cs.AI· Seunghyun Oh, Hirotaka Hiraki, Shuyue Stella Li, Yulia Tsvetkov, Shyamnath Gollakota·· 10 天前AI 评分34
Jarvis：面向多方对话的主动式语音智能体
Jarvis: A Proactive Speech Agent for Multi-Party Conversations
AI 导读
Jarvis 是一个实时主动式语音智能体，能参与多人对话，在群体遗漏或说错事实且数轮内未自我纠正时出声介入。它基于事先共享的文档，用小型开放权重模型配合确定性检查，并将每条论断锚定到原文句子。在 CHI-180-proactive 数据集上，Jarvis 对多数介入事件判断正确，群体自行解决问题时 97% 的情况下保持沉默；23 人实时研究验证了该趋势。
正文 · AI 翻译
摘要：语音智能体是反应式且双人的：它们在被搭话时才说话，且一次只对一个人说。我们探究语音智能体要怎样才能转而参与多人之间的对话，并且只在能提供帮助时才开口。我们提出 Jarvis，一个实时主动式语音智能体，能以语音方式参与多人人类对话。基于事先共享的一份文档，Jarvis 会跟进讨论，并在群体遗漏或错误陈述某个事实、且几轮之内未自行纠正时进行干预。我们做出三项贡献：一个基于认知断裂的问题设定，使主动干预可被度量，并以 CHI-180-proactive 实现——一个植入了已知缺口、错误和自我纠正的合成多人数据集；一个主动式骨干，利用一个小型开放权重模型配合确定性检查，并将每一项主张都锚定到源句；以及在实时语音中取得发言权并在屏幕上展示所引用证据的交互技术。在 CHI-180-proactive 上，Jarvis 对其处理的大多数事件都判断正确，并且在群体自行解决问题时有 97% 的时间保持沉默。一项有 23 名参与者参与的现场研究以实时干预证实了这些趋势。
| 评论： | 45 页，6 幅图，20 张表 |
| 主题： | 人机交互（cs.HC）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.07506 [cs.HC] |
| （或 arXiv:2610.07506v1 [cs.HC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07506 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Seunghyun Oh [查看邮箱]
[v1]
2026 年 10 月 5 日星期一 23:18:04 UTC（3,388 KB）
来源：arXiv cs.AI · arxiv.org