arXiv cs.CL· Riqiang Wang, Elena Khasanova, Harsh Saini, Lex Konnelly, Parsa Kavehzadeh, Matthias Lee, Mohamed Attia·· 9 天前AI 评分22
提示词 vs 规则：语音用户模拟器中语音自然度行为的审计与控制
Prompts versus Rules: Auditing and Controlling Speech Naturalness Behaviors in Voice User Simulators
AI 导读
研究审计了基于 LLM 提示的 tau-Voice 与规则注入算法在语音用户模拟器中实现不流畅、打断和反馈三种自然度行为的效果。结果显示，提示词方式不可靠，生成的语音与指令不一致，位置和分布不如指令所暗示的自然；而基于规则、无需模型的算法能产生更可控、更多样且更贴近自然语音的行为。研究认为，未经用户模拟专门训练的 LLM 不足以单独代表真实用户行为，需要语言学驱动的确定性方法或专用模型来弥补差距。
正文 · AI 翻译
摘要：随着语音智能体在商业上日益普及，用于评估已部署智能体的用户模拟器也在不断发展，以纳入更真实、多变且多样的语音自然度行为——不流畅、打断和附和。用户模拟器的质量直接影响智能体评估结果的有效性。然而，我们发现迄今为止大多数研究并未详细考察这些行为的预期配置是否在模拟中得以实现。在本研究中，我们审计了 tau-Voice（我们自己的基于 LLM 的提示方法，涵盖三个模型）以及我们针对不流畅、打断和附和的基于规则的注入算法所实现的自然度行为。我们发现，通过提示实现这些行为并不可靠，产生的语音与指令不一致，其放置和分布的自然程度也不如指令所暗示的那样。相比之下，我们基于规则、无需模型的算法产生了可控且多样的自然度行为，更贴近自然语音。我们的结果表明，并非专门为用户模拟训练的 LLM 本身不足以代表真实的用户行为，需要语言学驱动的确定性方法或专门模型来弥合这一差距；审计并报告实际实现的自然度行为，而非配置设置，才能使这一差距显现出来。
| Comments： | 已被 UserSim @ NeurIPS 2026 研讨会接收（非存档） |
| Subjects： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.11015 [cs.CL] |
| （或使用 arXiv:2610.11015v1 [cs.CL] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.11015 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
发件人：Elena Khasanova [查看电子邮件]
[v1]
2026年10月7日星期三 23:55:27 UTC（26 KB）
来源：arXiv cs.CL · arxiv.org