淘宝发布Harness-Aware Training：优化数字人主播实时交互性能

摘要：淘宝推出了一种名为Harness-Aware Training (HAT)的新方法，用于训练AI驱动的数字人主播。该方法通过Harness-State Augmentation (HSA)技术，使模型能够快速适应不断变化的交互策略，同时保持低延迟和高准确性。HAT在多个评估基准中表现优异，显著提升了直播问答和变体问答的性能，并已在淘宝直播的数字人服务中部署，显示出对GMV和商品页面浏览量的积极影响。

---

淘宝发布Harness-Aware Training：优化数字人主播实时交互性能

随着AI驱动的数字人主播在电商直播中的普及，如何在保证低延迟的同时实现高效的产品问答、观众互动和营销策略执行成为关键挑战。淘宝近日发布了一种名为Harness-Aware Training (HAT)的新方法，旨在解决这一问题。

技术亮点

1. Harness-State Augmentation (HSA)：

   • 通过对技能标识符、内容、工具模式、提示结构和钩子函数进行任务保持性变换，使模型能够快速适应不断变化的交互策略。

2. 三阶段训练流程：

   • HSA-SFT：从强大模型的轨迹中学习推理和工具使用。
   • 通用策略蒸馏：恢复在SFT过程中丢失的泛化能力。
   • HSA-RL：通过在增强环境中进行强化学习，提高对变化环境的鲁棒性。

3. 性能表现：

   • 在Live-Stream QA和Harness-Variant QA评估中，HAT分别达到94.8和94.6的得分，显著优于基线模型和现有最强的大语言模型。
   • 在NVIDIA H20 GPU上，优化后的系统实现了3.4秒的P50延迟和8.1秒的P95延迟。

4. 实际应用：

   • HAT已在淘宝直播的数字人服务中部署，并在线上A/B测试中显示出对GMV和商品页面浏览量的积极影响。

行业影响

HAT的推出标志着AI在实时交互领域的重大进步，特别是在需要频繁策略更新和低延迟响应的场景中。该方法不仅提升了数字人主播的交互效率，还为其他需要快速适应变化的AI应用提供了新的技术路径。

开发者建议

• 优化模型架构：开发者可以借鉴HAT的HSA技术，优化模型对动态环境的适应能力。
• 强化学习应用：在需要高鲁棒性的场景中，可以考虑结合强化学习策略进行训练。
• 多阶段训练流程：采用类似HAT的三阶段训练流程，以提升模型的推理能力和泛化性能。

---

消息来源：Hugging Face Daily Papers (2026-08-22)

—— 完 ——

主题标签： #AI智能体 关注 #实时交互 关注 #HAT 关注 #数字人 关注 #淘宝 关注