[控场AI]
待验证50% 置信事实精确时间

方法层面的核心包括多阶段微调和NVV-aware GRPO，多阶段微调让模型逐步获得生成上下文恰当NVV事件的能力。

1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/20
首次发现
有效期至：2027/1/18

来源

让语音大模型学会呼吸：非语言发声建模新进展

涉及实体

多阶段微调conceptNVV-aware GRPOconcept

相关事实

待验证AttSVD针对不同生成长度提出两种解码缓存策略：累积式适用于短生成场景，流式适用于长生成场景67% 相似待验证数据合成流水线、多阶段微调与NVV感知强化学习的组合，构成了一套可复用的副语言能力注入框架。64% 相似待验证现有将GRPO等强化学习方法迁移到扩散语言模型的方法通常把去噪轨迹上的每一步都当作同等重要来处理63% 相似待验证GRPO、PPO等LLM常用RL算法依赖蒙特卡洛采样来估计策略梯度63% 相似待验证上下文缓存技术底层依赖KV Cache机制，是vLLM、TensorRT-LLM等主流推理框架的核心优化之一62% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/1074044
API
curl https://kongchang.com/api/v1/knowledge/claims/1074044
MCP
get_claim(id=1074044)