产业观察
Kyutai发布Voice of Reason：用强化学习解决口语数学的语音原生模型
原标题: Kyutai发布Voice of Reason：用强化学习解决口语数学的语音原生模型
📋总体概括
法国AI研究机构Kyutai发布开源语音到语音模型「Voice of Reason」，包含两个开源权重版本，基于GLM-4-Voice-9B构建。通过监督微调与强化学习训练，该模型无需转写为文字、不依赖文本大模型中转，直接以语音理解和求解口头数学题，将 spoken GSM8K 准确率从27.3%大幅提升至77.1%。模型权重已在Hugging Face开放下载，可在单张H100上运行，降低了语音原生推理模型的部署门槛。
⚡关键信息
- ▸Kyutai发布Voice of Reason，两个开源权重的语音到语音模型，基于GLM-4-Voice-9B构建
- ▸结合监督微调与强化学习，语音GSM8K数学准确率从27.3%提升至77.1%
- ▸全流程无转写步骤、无文本LLM参与，是真正的语音原生推理模型
- ▸模型权重已在Hugging Face开放，可在单张H100上运行
🔥犀利点评
语音助手听懂数学题一直靠「先转文字再丢给LLM」的补丁式方案，Kyutai直接砍掉中转环节，用强化学习把27.3%的尴尬准确率拉到77.1%，这一步比数字本身更重要——它证明了语音端到端推理是可行的，而不只是语音聊天气泡。当然77%离文本模型还有距离，且GSM8K只是小学数学，真正的复杂推理仍是硬仗。但开源权重加单卡H100可跑，足以让工程团队玩起来了。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 marktechpost.com 阅读全文 →