淘宝直播以ASR逆向样本微调拟人化回复

淘宝直播团队针对数字人直播 LLM 回复“AI感强、书面化”的问题，从真人直播 ASR 出发做逆向文本风格迁移：先对 ASR 做质量判定与逆向生成问题/商详、修复开头结尾截断与逻辑不通顺、过滤低质量样本，再按链接号、固定话术、数字一致性与语义相似度做内容一致性对齐，最终从 3w 条 ASR 中得到 3k+ 高质量 <AI感回复, 拟人化回复> 数据对；对比 qwen2.5 系列 1.5B/7B/72B 后，综合效果与推理延迟选择 Qwen2.5-7B-Instruct 做 SFT（learning_rate=2e-5、epoch=4、cosine），清洗后数据使初始与稳定 loss 均更低。