NeurIPS 26 | EchoChat 如何让语音大模型从声音中理解共情

EchoChat 将共情语音对话拆解为情绪感知、心智理论推理和语音回复生成三个环节，并通过统一框架协同优化。模型在 SFT 阶段引入 Acoustic-Anchored Attention（AAA）强化声学信息利用，在 RL 阶段引入 Step-Decomposed Credit Assignment（SDCA）定位出错环节。