연구진은 음향과 의미 모델 간의 간섭으로 인한 성능 저하를 분석하여 새로운 풀듀플렉스 SLM 프레임워크 Lychee-FD를 제안했어요. Lychee-FD는 계층적 파라미터 분리 전략과 의미 정렬 채널을 통해 음향-의미 간섭을 완화하고 모달 간 일관성을 유지해요. 실험 결과, Spoken QA에서 7.4%, FullDuplexBench 1.5에서 28.5% 성능 향상을 보여 풀듀플렉스 SLM의 지능과 자연스러움을 개선했어요.