本研究提出WavReward模型，解决了口语对话模型评估不足的问题，能够有效衡量对话系统的智商与情商，评估准确率从55.1%提升至91.5%。

本研究评估了大型语言模型（LLMs）在口语任务导向对话中的表现，发现其对口头噪音的鲁棒性不足，但通过微调可以提升性能。同时，研究探讨了LLMs在多语言支持中的一致性，提出LDFighter机制以减轻语言歧视，确保不同语言用户获得一致服务。此外，强调了数据增强技术在提升方言理解能力和翻译质量中的重要性。