使用Graph-of-Thoughts在全双工语音中进行推理

本文探讨了通过关注对话行为推理来构建更自然、更智能的全双工交互系统这一挑战。核心贡献是使用Graph-of-Thoughts (GoT) 进行语音行为因果推理的新框架，使系统能够理解和预测对话流程。结合模拟和真实世界数据的混合训练语料库的使用也很重要。本文的重要性在于它有可能提高对话式AI的自然度和响应速度，特别是在同时语音很常见的全双工场景中。

• •引入了用于全双工语音中因果推理的Graph-of-Thoughts (GoT) 框架。
• •采用分层标记方案来模拟意图到行动的路径。
• •利用结合模拟和真实世界数据的混合训练语料库。
• •实现稳健的行为检测和可解释的推理链。
• •为全双工口语对话系统中的对话推理建立基准。