NeurIPS 26 | EchoChat 如何让语音大模型从声音中理解并表达共情

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，并用统一框架协同优化。模型在 SFT 阶段引入 Acoustic-Anchored Attention 强化声学依据，在 RL 阶段用 Step-Decomposed Credit Assignment 定位出错环节。