研究：Moshi语音模型情感引导呈几何结构

研究者 Pulak Kuli 在开源全双工语音语言模型 Moshi 上测试了四种情感的平均差激活引导，该方法每帧只需少量向量加法、无需重训练。 结果显示，情感可从 Moshi 的残差流中线性解码，但激活引导只能部分实现且不均衡：happy、angry 和 surprise 的引导指向共享方向，sad 则可被独立引导。三个情感共享的成分无法简单地等量从所有情感中投影剔除。

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。