When2Speak：大语言模型 多方对话中的时间参与和轮流的数据集

大语言模型 (LLM) 擅长生成适合上下文的响应，但对于多方对话的校准仍然很差，在多方对话中，决定何时发言与说什么内容同样重要。在这种情况下，每次都天真地做出反应会导致过度打断并降低对话的连贯性。我们引入了 When2Speak，这是一个基础合成数据集和四阶段生成管道，用于学习群体互动中的干预时机。该数据集包含超过 215,000 个示例，这些示例源自涉及 2-6 个发言者的 16,000 次对话，涵盖不同的对话风格、语气和参与者动态，并在每个回合对“说话”与“沉默”决策进行明确建模。我们的管道结合了现实世界基础、结构化增强、受控转录合成和 微调 就绪监督，并且完全开源，以支持可重复性和适应特定领域的对话规范。在多个模型系列中，When2Speak 上的监督 微调 (SFT) 显着优于零样本基线（例如，4B+ 参数模型的平均 Macro F1 增长为 60%，最大增长为 120%）。然而，SFT 训练的模型仍然系统性地过度保守，从错过干预率 (MIR) 中可以看出，错过了近一半的必要干预，该率平均为 0.50，即使在较大的模型规模下也能注意到。为了解决这个限制，我们应用了具有不对称奖励塑造的强化学习，这将 MIR 降低到 0.186-0.218，并将召回率从 0.479 增加到 0.78-0.81。我们的研究结果表明，时间参与是会话智能的一个独特且可训练的维度，并且扎根的合成数据提供了有效且可扩展的途径，使 LLM 能够更自然、更适当地参与多方交互。