永不停思：连续时间语言智能体

基于大模型的语音智能体遵循僵硬的听—想—说循环，每次回复前出现数秒空白。我们显示，未修改的文本模型在轻量中断恢复编排器下可涌现连续时间认知，即边听边想、边说边想，使实时流水线总体延迟降低19%，在机制针对的运行区间降低一半。为衡量其是否改善任务完成，我们提出ReactiveBench：120个交互场景按预注册二元要求评分，另有按精确正确性评分的可验证流式赛道。基准揭示广泛陷阱：大模型评审奖励可见推理，连续思考在某评审下的大幅优势换独立评审后反转，而按评审训练的模型思考时客观完成要求更少。五阶段训练研究在三个层面定位正确信号。来源层面，可验证目标让思考由有害变有益；结构层面，统一奖励遗漏的东西会被优化牺牲，处处追求简短会削弱多跳工具链；优化器层面，偏好优化只能权衡冲突子目标，而以任务类型塑形奖励进行同策略强化学习可同时改善各正确性维度，使流式完成率从48%升至跨种子73±5%，并在更大规模和第二个模型上复现。编排使连续时间交互成为可能，正确来源、形状和优化的可验证信号使其真正有效。