沉默的思考：通过潜在推理在全双工语音对话模型中建模内部认知

人类在对话倾听时会潜意识地并发思考，这对形成高质量回应至关重要。受此启发，本文提出全双工潜在内部推理方法（FLAIR），能在语音感知同时进行潜在思考。与传统需事后生成的机制不同，该方法在用户说话阶段递归反馈潜在嵌入，实现严格遵循因果律且无额外延迟的连续推理。为此，我们设计了基于证据下界的目标函数，支持无需显式推理标注的高效监督微调。实验表明，该“边听边想”设计在多项语音基准测试中表现优异，并能稳健处理对话动态。