Machine Learning Street Talk (MLST)
ボイスエージェントはどう会話のリズムを学ぶのか — Shawn Wen（PolyAI）
How a Voice Agent Learns the Rhythm of Conversation — Shawn Wen
PolyAI の CTO Shawn Wen が、ボイスエージェントがテキストエージェントより難しい理由と、自社開発の音声ネイティブモデルの設計を語った回。ターンテイキング信号を最初に予測し、テキスト応答・引用・文字起こしの順に出力する構成で、企業向けの統制や監査を重視している。後半はハーネス設計、評価の難しさ、エージェント時代の認知負債やスロップの議論に広がる。