思考、言说，然后言说：连接复杂思维和易懂语言

于红博

摘要: 口语对话系统越来越多地利用大型语言模型（LLMs）来利用其先进的推理能力。然而，在口头交流中直接应用LLMs通常会产生次优结果，因为最佳文本和口头传达之间存在不匹配。虽然现有方法使LLMs适应产生语音友好的输出，但它们对推理性能的影响尚未得到充分探讨。在这项工作中，我们提出了Think-Verbalize-Speak，这是一个框架，将推理与口头传递分离，以保留LLMs的完整推理能力。我们方法的核心是口语化，这是一个将思想转化为自然、准备好的文本的中间步骤。我们还介绍了ReVerT，这是一种基于增量和异步摘要的延迟高效的口语化程序。在多个基准测试中的实验证明，我们的方法提高了语音自然性和简洁性，对推理几乎没有影响。项目页面与数据集和源代码可在https://yhytoto12.github.io/TVS-ReVerT 上找到。

更新时间: 2025-09-19 14:34:22

领域: cs.CL,cs.AI

下载: http://arxiv.org/abs/2509.16028v1