Yandex treina seu alto-falante inteligente com novos comandos rápidos sem perder a qualidade dos antigos

O alto-falante inteligente da Yandex (por exemplo, Station Street) suporta comandos rápidos — frases curtas como 'próximo' ou 'mais baixo' — que ignoram a palavra de ativação 'Alice' e são executados localmente no dispositivo. Para adicionar novos comandos sem prejudicar os antigos, a equipe descartou o retreinamento completo (risco de regressão), modelos pequenos separados (ineficientes e redundantes) e métodos clássicos de aprendizado contínuo, como o EWC (Elastic Weight Consolidation) que não oferece garantias. Em vez disso, eles utilizaram uma expansão modular da rede: a partir de uma determinada camada do modelo original congelado, um ramo paralelo extrai ativações, calcula um pequeno vetor aditivo e o concatena a cada etapa. Isso permite aprender novos comandos preservando os antigos, com controle total sobre memória e computação. O treinamento usou dois estágios — pré-treinamento em 60 a 100 milhões de logs de ASR (Automatic Speech Recognition) não curados e ajuste fino em 400.000 a 1 milhão de gravações limpas feitas em casa. Resultados: carga da CPU reduzida em 35%, RAM em 50% e falsas ativações caíram 60%. O trabalho foi publicado no Interspeech 2026.