说或保持沉默：面向多方对话的情境感知式轮流发言

现有的语音AI助手将每一次检测到的停顿都视为发言的邀请。这在二人对话中可行，但在多方语境下，AI助手与多个说话者共同参与时，停顿频繁且充满歧义。在这种情况下，每个停顿都发言的助手会变得嘈杂而非有用。本文我们提出情境感知式轮流发言：在每一次检测到的停顿时，基于完整对话情境， our 方法决定助手应说话还是保持沉默。我们构建了超过12万份标注过的多方语料基准数据集。评估八个最新大语言模型发现，零样本提示下它们在情境感知式轮流发言方面始终表现不佳。我们随后提出一种基于推理痕迹的监督式微调方法，将平衡准确率提升至最高23个百分点。我们的发现表明，情境感知式轮流发言并非一种涌现能力；它必须被显式训练。