EchoChain：中断情境下的全双工状态更新推理基准
计算与语言
2026-04-21 v1 人工智能
机器学习
声音
摘要
实时语音助手必须在用户中途中断后修订任务状态，但现有语音对话基准大多评估基于轮次的交互，遗漏了这一失效模式。我们提出 EchoChain，用于评估中断情境下的全双工状态更新推理的控制基准。EchoChain 识别后中断续写中出现的三类常见失效模式：情境惯性、中断遗忘和目标位移。基准生成情景驱动的对话，在助手 speech onset 时的标准化点注入中断，实现受控的跨模型比较。在配对半双工控制组中，中断运行的总体失效率下降 40.2%，表明许多错误是由中断下的状态更新推理导致的而非任务难度alone。 在评估的实时语音模型中，没有系统超过 50% 的通过率，显示在中生成态修订方面仍有显著提升空间。EchoChain 为诊断全双工语音交互中状态更新推理失效提供可重复的基准。
引用
@article{arxiv.2604.16456,
title = {EchoChain: A Full-Duplex Benchmark for State-Update Reasoning Under Interruptions},
author = {Smit Nautambhai Modi and Gandharv Mahajan and Marc Wetter and Randall Welles},
journal= {arXiv preprint arXiv:2604.16456},
year = {2026}
}