DOA：使用 SpeechLLM 进行长格式同声翻译的 无需训练 仅解码器注意策略

同步语音到文本翻译 (SimulST) 在语音仍在展开时生成翻译，需要一个流策略来决定何时读取和何时写入。最先进的方法依赖于基于注意力的编码器-解码器模型，其中交叉注意力提供显式的对齐信号。相比之下，Speech 大语言模型 (SpeechLLM) 是仅依赖于自注意力的解码器架构。这就提出了一个核心问题：解码器自注意力是否包含足够稳定的对齐信号来指导流策略。此外，现有方法通常依赖于基于训练的适应或启发式等待 $k$ 策略，并且尚未在长格式环境中得到验证。为了填补这些空白，我们提出了 Decoder-Only Attention (DOA)，这是一种 无需训练 策略，通过从自注意力中导出代理对齐，可以使用现成的 SpeechLLM 进行长格式同步翻译。 Phi4-Multimodal 和 Qwen3-Omni 上的实验表明，DOA 提供了有效的对齐信号来支持流决策，从而实现低延迟长格式 SimulST，其质量接近离线解码，无需重新训练。