Gander, de Tencent, busca seguir conversando mientras trabaja en segundo plano
decoder ·
El equipo Hunyuan Speech de Tencent e investigadores universitarios han presentado Gander, un modelo diseñado para conversar en tiempo real mientras gestiona tareas complejas de agentes en segundo plano. Procesa conjuntamente voz, imágenes y texto, lo que permite a los usuarios interrumpirlo, hacer preguntas de seguimiento y recibir actualizaciones sobre el progreso. Su arquitectura separa un «cerebelo» conversacional rápido de un «cerebro» intercambiable que realiza razonamientos y tareas complejas; sistemas como Codex o Claude Code pueden desempeñar esta última función sin necesidad de volver a entrenar el modelo conversacional. En Full-Duplex-Bench v3, Gander comenzó a hablar en el momento adecuado en los 100 escenarios e interrumpió a los usuarios en el 8 % de los casos, superando a los sistemas comparados en cuanto a sincronización. Sin embargo, su precisión en las tareas fue ligeramente inferior a la del competidor menos eficaz y mostró debilidades en la comprensión de vídeo y audio. Gander se entrenó con unos 2,7 millones de ejemplos, y Tencent planea publicar los pesos del modelo y los datos de entrenamiento, mientras que el repositorio de código y las demostraciones ya están disponibles.
decoder