arXiv cs.AI· Jiaheng Dong, Shihong Tan, Gongping Huang, Jean Honorio, Abhirup Ghosh, Ting Dang·· 3 天前AI 评分29
DuplexAct：前沿全双工语音语言模型的交互能力如何评估？
DuplexAct: How Interactive Are Frontier Full-Duplex Spoken Language Models?
AI 导读
DuplexAct 是评估端到端全双工语音语言模型（FD-SLM）交互动作能力的基准，定义了涵盖 8 种交互动作、24 种交互条件的三级动作分类体系，并通过即时执行与后续跟进两个维度衡量动作是否成功。该基准包含 4,691 个测试实例，覆盖闲聊、会议、客服和访谈场景，其中 2,531 个来自真实对话录音。
正文 · AI 翻译
摘要：端到端（E2E）全双工口语语言模型（FD-SLM）能够持续同时听和说，要求模型在对话展开过程中采取适当的交互动作。然而，现有基准缺乏结构化的动作级表述，往往评估动作是否发生而非是否成功，并且对多样化真实世界对话的覆盖有限。我们提出 DuplexAct，一个用于评估 E2E FD-SLM 中交互动作采取的基准。DuplexAct 定义了一个三级动作分类体系，涵盖八种交互动作和 24 种相应的交互条件。我们进一步通过即时执行和后续跟进刻画成功的动作采取，并为二者开发了动作特定的评估指标。DuplexAct 包含 4,691 个测试实例，涵盖闲聊、会议、客户服务和访谈，其中 2,531 个实例源自真实世界对话录音。DuplexAct 共同提供了一个结构化且扎根于真实世界的框架，用于系统评估 E2E FD-SLM 如何参与正在进行的口语交互。
| 评论： | 审稿中 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.17738 [cs.AI] |
| （或 arXiv:2610.17738v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17738 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Jiaheng Dong [查看邮箱]
[v1]
2026年10月13日星期二 05:15:36 UTC（671 KB）
来源：arXiv cs.AI · arxiv.org