TencentのGander、タスクに取り組みながら会話も処理

tencentのganderモデルは、バックグラウンドで複雑なタスクを処理しながらリアルタイムの会話を行えるよう設計されています。音声、画像、テキストを同時に処理し、会話は「小脳」が管理し、エージェントタスクは差し替え可能な「脳」が担当します。テストでは、ganderは競合モデルに比べてユーザーの発話を遮る頻度が少なかったものの、タスクの正確性と動画・音声の理解には弱点が見られました。チームはモデルの重みとトレーニングデータを公開する予定です。ganderの設計は、会話の速さと推論能力の間のトレードオフに取り組むものです。