RASSG 通过语义生存门控机制解决流式语音助手中的无效工具执行问题

该论文针对流式语音助手的核心痛点提出 RASSG（Repair-Aware Semantic Survival Gating）框架，旨在解决在用户说话未完成时提前启动工具所导致的“陈旧执行”问题。当后续自我修正使看似稳定的参数失效时，不可逆的执行后果会持续存在。RASSG 通过联合控制工具启动与取消，仅在三个连续的语音识别结果出现相同非空参数时启动工具，并结合校准后的参数无效风险与执行成本，在效果变得不可逆前的最后可行机会决定取消。

实验在 ReCAST、FDB-v3 和 Audio2Tool 数据集上进行，采用受控执行时钟固定工具运行时间和取消参数。结果显示，在 ReCAST 的前瞻性修复子集中，RASSG 将 LocalAgreement-2 的陈旧执行率从 50.00% 显著降低至 3.15%，同时成功轨迹的平均延迟为 3.676 秒。消融实验表明，在初始启动相同的情况下，主动控制正在进行中的调用以在不可逆前取消，比单纯依赖启动策略具有更高价值。这一发现验证了在流式交互中动态干预执行流程的有效性。

事实层面，该研究证实了基于多轮一致性校验与成本感知的动态取消策略能大幅降低错误执行率。推断层面，这种机制可能成为未来高可靠性 Agent 系统的标准组件，特别是在涉及支付、删除或物理操作等高风险工具的实时场景中。猜测层面，该方法对硬件延迟和语音识别准确率的敏感度尚未在文中完全展开，实际部署中可能需要针对特定场景调整阈值参数。