Moshi全双工语音模型情绪激活引导研究

该研究在全开源全双工语音语言模型Moshi中探索情绪转向，采用均值差激活转向覆盖四种情绪，每帧只需几次向量加法、无需重训。研究发现情绪可从残差流线性解码，但激活转向仅部分可行且不均衡：happy、angry与surprise共享同一方向，sad则可独立转向，且三者共享成分无法从所有情绪中等量投影剔除。论文提出情绪转向遵循几何结构而非标签，并被NeurIPS 2026实时会话智能体研讨会（RTCA）接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。