📖 AI 总结

Kyutai发布了两款开放权重的语音到语音模型Voice of Reason，可直接通过语音解答数学题，无需转录步骤或独立文本大模型参与。模型基于GLM-4-Voice-9B，经过监督微调与强化学习两阶段训练。在口语版GSM8K测试中，准确率从基座的27.3%提升至77.1%，其中监督微调阶段贡献至61.7%，强化学习进一步拉升。研究团队称这是首次将强化学习应用于语音原生模型的数学推理。训练数据来自Orca-Math的15万余道题，经Qwen3改写并由自研TTS合成多语音频；强化学习阶段采用组相对REINFORCE目标，由Qwen3担任评判，与人工判断一致率约88%。两个BF16检查点可在单张H100上自托管运行，权重沿用GLM-4-Voice许可。该工作表明，语音原生模型无需依赖级联管线也能在推理任务上取得显著进步。