聊天模式的网络训练时用的是强化学习，而对于普通的语音任务是bp算法有监督学习，目标不一样，效果就不一样。
用不同方法的原因在于，对于语音任务的识别，只需要提取关键字，是有标准答案的，因此可以用有监督学习方法。而对于聊天，没有标准答案，只能用强化学习。

而且没有持续进步，感觉小米不重视这个了