边说边想：一种用于实时语音生成的受控交错推理方法

“边说边想”范式旨在使 AI 交流更具人性化，其关键挑战在于深度推理时保持语音流畅。本文提出 InterRS 方法，仅在自然语音生成过程中插入推理步骤。为此，我们引入新流水线生成推理与语音精确对齐且长度比可控的高质量交错音频数据。训练阶段结合精细化数据的交错监督微调与强化学习，后者包含两项新奖励：用于管理时序与思考 - 回答比例的 TA 平衡奖励，以及优化表达的语言质量奖励。实验表明，该方法在数学与逻辑基准测试中性能提升 13%，并能像口语指令模型般生成即时思维链响应，答案更自然流畅。