HiPLEX：用于全双工语音语言模型的分层策略因子化

HiPLEX 是一种 RL 框架，将预训练全双工文本策略拆分为决定何时输出的控制策略和决定输出内容的条件内容策略。它在 Full-Duplex-Bench v1 的三个 Moshi seeds 上，相比 GRPO 降低自然停顿和 backchannel 场景的 takeover rates，并缩短被打断后的响应延迟，同时保持相近的中断响应质量。