深度分析 利用 Interference‑Resilient Adaptive Fusion (IRAF) 強化全雙工語音助理的回應品質與即時性 隨著語音助理朝全雙工互動發展，干擾會破壞LLM條件導致回應不穩。研究提出IRAF模組，以目標說話者與使用者音訊嵌入預測可靠性門檻，逐框調整融合權重。實驗在MS‑MARCO與InstructS2S-200K上顯示，回應品質與即時對話表現均有顯著提升。
