# RAA 数据说明

## 任务

RAA（Referent Anchoring Accuracy）用于评测：模型在列举式回答被用户打断后，是否能将后续回答锚定到用户实际听到的当前内容项。

每条样本由“用户初始请求 + 静默延迟 + 用户打断语”组成。模型回答开始后，在预设时间点被打断；评测流程比较无上下文注入的 Baseline 与注入最近已播放模型音频及 P1 提示语的优化方法。

## 文件结构

```text
data/
  scenarios.json                 # 场景级定义
  samples.json                   # 108 条样本的扁平元数据
  raa/
    raa_001/
      input.wav                  # 16 kHz 用户侧输入音频
      interrupt.json             # 打断元数据
    ...
```

共有 108 条样本：从 `scenarios.json` 的 18 个候选场景中选取 12 个场景，再组合 3 个打断延迟（12/16/20 秒）和 3 类打断意图（`elaborate`、`next`、`confirm`）。

## `interrupt.json` 字段

```json
[
  {
    "context": "用户初始请求文本",
    "interrupt": "用户打断文本",
    "timestamp": [打断语开始秒数, 打断语结束秒数],
    "interrupt_type": "elaborate | next | confirm",
    "scenario_id": "场景 ID",
    "delay_seconds": 12
  }
]
```

## 许可证与使用限制

数据与本项目代码拟采用 [Apache License 2.0](../../LICENSE)。输入音频为合成语音；其再分发许可已经确认。使用外部模型、TTS、ASR 或 Judge 服务时，仍须自行遵守对应服务条款并配置自己的密钥。

公开发布前将补充正式引用方式。