Resumen: Los asistentes de voz con IA existentes tratan cada pausa detectada como una invitación a hablar. Esto funciona en un diálogo diádico, pero en entornos multipartidistas, donde un asistente de IA participa junto con varios oradores, las pausas son abundantes y ambiguas. Un asistente que habla en cada pausa resulta más perturbador que útil. En este trabajo, formulamos turnos conscientes del contexto: en cada pausa detectada, dado el contexto completo de la conversación, nuestro método decide si el asistente debe hablar o permanecer en silencio. Presentamos un punto de referencia de más de 120.000 conversaciones etiquetadas que abarcan tres corpus multipartidistas. Al evaluar ocho grandes modelos de lenguaje recientes, encontramos que fallan consistentemente en tomar turnos conscientes del contexto bajo indicaciones de cero disparos. Luego proponemos un enfoque de ajuste supervisado con rastros de razonamiento, mejorando la precisión equilibrada hasta en 23 puntos porcentuales. Nuestros hallazgos sugieren que tomar turnos consciente del contexto no es una capacidad emergente; debe ser entrenado explícitamente.
Publicado originalmente en export.arxiv.org el 12 de marzo de 2026.
Ver fuente original
