L'article présente Proactive Thinking, un framework qui permet aux grands modèles de langage (LLM) de pré-calculer des éléments de réponse potentiels pendant les temps morts conversationnels plutôt que d'attendre passivement l'entrée de l'utilisateur. Cette approche vise à combler le fossé entre le raisonnement réactif de l'IA et le dialogue anticipatif semblable à celui des humains.
- La méthode emploie une ligne de base sans entraînement qui anticipe les états futurs grâce à une pensée continue spéculative.
- L'évaluation utilise trois benchmarks adaptés configurés dans des environnements sensibles au temps pour simuler un flux conversationnel en temps réel.
- Les résultats démontrent que la pensée proactive améliore l'efficacité de l'interaction sans compromettre les performances.
Les auteurs plaident pour ce changement vers une IA intelligente et anticipative comme une amélioration fondamentale pour les systèmes conversationnels en temps réel.