DIVE: Benchmarking Full-Duplex Interaction with Visual Engagement in Continuous Streams
ICLR 2027 · 在审
面向连续音视频流的全双工交互评测基准,覆盖主动介入、持续参与和交互协调三类场景,包含 6 项任务、525 个评估实例(源自 413 个基础场景);分别评估回应质量、参与决策与响应时机。
我是华中科技大学计算机科学与技术学院 2024 级本科生,主修数据科学与大数据技术。自大一下学期起加入 ONE Lab,师从万瑶老师,并接受陈东平学长的科研指导。
我正在探索 Multimodal Learning(多模态学习)、Embodied AI(具身智能)与 Computer Vision(计算机视觉),同时也对量化分析、AI for Medicine、AI+X 以及 AI 伦理等方向感兴趣,正在探索和自学中。已有工作涉及全双工音视频(Audio-Visual, AV)交互评测及视觉–语言–动作模型(VLA)的测试时适应(TTA);两篇共同一作论文正在 ICLR 2027 评审中。
🤝 欢迎交流: 欢迎交流研究想法、项目合作。我正在寻找更多的学习和实习机会。 更多经历详见 中文 CV / English CV.
* 表示共同一作;† 表示通讯作者。
ICLR 2027 · 在审
面向连续音视频流的全双工交互评测基准,覆盖主动介入、持续参与和交互协调三类场景,包含 6 项任务、525 个评估实例(源自 413 个基础场景);分别评估回应质量、参与决策与响应时机。
ICLR 2027 · 在审
面向视觉–语言–动作模型(VLA)的协同测试时适应(TTA),结合跨策略动作蒸馏(CAD)与策略内轨迹巩固(WTC)。CAD 在 4 个机器人操作基准上将平均成功率从 57.56% 提升至 60.60%;WTC 将平均成功率从 56.00% 提升至 58.91%。
累计加权平均:87.6/100;GPA:4.24/5.0(截至 2026 春)。大二下学期加权均分:91.8/100。