Gander, da Tencent, quer continuar conversando enquanto trabalha em segundo plano
decoder ·
A equipe Hunyuan Speech da Tencent e pesquisadores universitários apresentaram o Gander, um modelo projetado para conversar em tempo real enquanto lida, em segundo plano, com tarefas complexas de agentes. Ele processa fala, imagens e texto em conjunto, permitindo que os usuários o interrompam, façam perguntas de acompanhamento e recebam atualizações sobre o progresso. Sua arquitetura separa um “cerebelo” conversacional rápido de um “cérebro” intercambiável que realiza raciocínios e tarefas complexas, com sistemas como Codex ou Claude Code podendo desempenhar esse último papel sem retreinar o modelo de conversação. No Full-Duplex-Bench v3, o Gander começou a falar no momento certo em todos os 100 cenários e interrompeu os usuários em 8% dos casos, superando os sistemas comparados quanto ao timing. No entanto, sua precisão nas tarefas ficou ligeiramente abaixo da do concorrente mais fraco, e ele apresentou deficiências na compreensão de vídeo e áudio. O Gander foi treinado com cerca de 2,7 milhões de exemplos, e a Tencent planeja disponibilizar os pesos do modelo e os dados de treinamento, enquanto um repositório de código e demonstrações já estão disponíveis.
decoder