DuplexGen：人类与人工智能轮流对话的自适应合成

轮流是全双工交互的核心组成部分。哪种轮流行为是合适的会因场景而异，但当前的模型无论上下文如何都应用单一规范。这种限制源于他们的训练数据：人与人的语音语料库捕捉自然计时现象，但几乎没有提供角色基础或特定于场景的规范，而启发式或提示合成方法注入轮流行为，而不基于人类偏好。我们引入了 DuplexGen，这是一个框架，用于通过针对一小组槽级人类偏好注释校准 LLM 预测来生成具有场景自适应轮流的对话。在六项合作和竞争任务中，人类的轮流偏好存在系统性差异，而 DuplexGen 与这些偏好的一致性比未经校准的提示或仅基于通用人类数据的训练更加紧密；在 DuplexGen 生成的数据上训练的全双工模型表现出独特的、人类偏好的轮流行为。这些结果表明，人类校准，而不仅仅是语料库规模或提示设计，才使得轮流合成能够针对特定场景。