英文题目：Confidence-Guided Markov Weighting for Semi-Supervised Tabla Stroke Transcription
标签：#音乐转录 | #半监督学习 | #CTC | #知识蒸馏 | #音乐
评分：6.0/10 | 创新 1.4/2 | 技术严谨 1.2/1.5 | 实验充分 1/1.5 | 清晰度 0.8/1 | 影响力 0.5/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.8/1.5
👥 作者与机构
- Rahul Bapusaheb Kodag：机构信息未在 arXiv HTML 中可靠披露
- Vipul Arora：机构信息未在 arXiv HTML 中可靠披露
📌 核心摘要
塔布拉鼓点转录需将音频映射为离散鼓点符号序列，难点在于仅有少量序列级标注而无起音时刻，且伴奏干扰强、教师伪标签存在成段连续错误。方法链分3步：冻结的联结时序分类教师先为无标注音频生成伪标签序列；笔画级置信估计模型基于教师表征与后验为每个预测鼓点打分；置信引导马尔可夫加权可替代时序分类用标注数据学得的转移矩阵与可靠左右边界对候选加权后训练学生。与可替代时序分类替换式的均匀通配符不同，该方法以双端条件桥分布区分候选序列的序列合理性，从而抑制不合理替换路径。在TID+TSD、HMR、TID-S测试集上学生模型的笔画错误率分别为18.3%、33.3%、12.7%，相对序列级联结时序分类基线降低24.0%到28.7%，相对可替代时序分类替换式降低15.9%到20.6%。该结论限于3个塔布拉评测设置与固定教师协议，未验证跨乐器与开放环境泛化。原文未披露训练、推理或部署成本。
🔗 开源与复现资源
本次未形成可展示的已核验资源记录，开放状态尚未核实。
可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。
🧭 深度解读
任务是什么：把塔布拉录音变成鼓点符号序列难在哪里？
塔布拉鼓点转录的目标，是把一段塔布拉音频变成有序的鼓点符号序列，例如低音与高音组合成的不同打击类别。这个输出不是每 1 帧的分类，而是整个录音对应的符号串，长度由演奏内容决定。初学者可以这样理解输入输出关系：输入是按时间排列的声学特征矩阵，输出是鼓点词表中的符号序列，模型需要在不知道每个鼓点起止帧的情况下完成映射。
困难首先来自标注。传统监督方法需要精确到起止点的标注，也就是请专家标出每个鼓点在何时发生，这既费时又依赖演奏者听辨能力。论文把监督放宽到序列级标注，也就是只给鼓点出现的顺序，不给时间点，这已经降低了标注细节要求，但仍然需要人工给出顺序。对于低资源乐器而言，大量未标注录音无法直接使用，这是半监督的动机。
第二个困难是伪标签会出错。用少量序列级标注训练出的教师模型去标注大量无标注音频，得到的伪标签序列中必然混入错误。如果学生直接把伪标签当真值训练，错误会被放大。论文要解决的中心矛盾，就是如何在承认伪标签部分位置不可靠的前提下，仍然从无标注音频中提取有效监督信号，而不是简单丢弃或一视同仁。
已有路线如何处理序列监督与不可靠标签？
同输入同目标的第一条路线是分割后分类与强监督鼓转录。早期方法先检测起止点再分类，后续引入深度模型和迁移学习，有的从西方鼓数据迁移，有的用元学习减少起止点标注需求。这类方法的共性是运行阶段依赖局部声学片段的判断，对起止点质量敏感。论文的对照说明，只有序列级符号串作为评测对象时，这类方法与序列级方法的训练条件并不相同，不能直接当作同条件胜负。
第二条路线是序列级监督。联结时序分类允许在没有帧对齐时训练，它引入空白符号并对所有能坍缩到目标序列的帧路径求和。论文的前序工作自适应动态节奏语言模型已经实现序列级转录，但训练仍需序列级标注。另一条无监督路线用音色聚类学习表示，再用少量标注把簇映射到鼓点词表，它在簇形成阶段不用标签。
第 3 条路线是处理不完整或错误监督的图扩展。通配符、缺失标签、旁路转移等方法允许目标图包含多种可能，广义图监督进一步允许对多个候选目标加权求和。替代时序分类属于半监督下的特例，它用置信度找出不确定词元，其替换形式把低置信度位置换成接受任意非空标签的通配符。论文明确指出该形式的局限：它对所有替代赋相同权重，没有利用鼓点之间的顺序关系，尤其当连续多个位置都不可靠时，前一个不确定鼓点会给下一个提供不可靠上下文。
本文把半监督问题形式化成什么输入与输出？
论文把数据分成两部分。已标注集包含声学特征与对应鼓点序列，未标注集只有声学特征。声学特征记为多帧多维矩阵，鼓点序列记为词表中的符号串，词表大小决定分类类别数。教师先在已标注集上训练，冻结后为未标注集生成伪标签序列。学生则同时看到已标注真值和伪标签，需要在伪标签不可靠时仍能学习。
举一个教学例子帮助理解，不代表论文数值：假设教师对一段未标注音频输出 5 个鼓点，其中第二和第三个置信度很低。常规教师学生方法会把 5 个都当作目标，替代时序分类会把第二和第三个位置放宽为任意鼓点，而本文方法还要进一步问：在已知第一个和第四个比较可靠的条件下，第二和第三个取哪种组合更符合鼓点进行规律。例子中位置数和阈值仅为说明结构，实际阈值需在验证集上选择。
问题的关键约束是长度保持。候选图不增删伪标签位置，只在不确定位置展开身份候选。因此插入和删除错误不是被图直接修正的，论文在误差分析中专门提醒这一点。理解该约束，才能正确解释后文为何替代错误是直接作用对象，而插入删除下降是学生整体变好的间接效果。
整体框架如何让一个样本走完输入到损失？
沿一个未标注样本走一遍流程。输入是声学特征矩阵，先经过冻结的教师声学模型得到帧级后验与解码出的伪标签序列。接着对伪标签中每个预测鼓点，用受约束维特比对齐找到它占据的非空帧区间，对该区间内的教师表示和后验向量做时间平均，得到鼓点级特征向量，送入鼓点级置信度估计模型得到零到一之间的分数。
然后按阈值划分位置。分数高于阈值的位置视为可靠，保持教师预测不变；低于阈值的位置视为不确定，允许词表中所有鼓点作为候选。连续的不确定位置组成极大不确定片段，片段内部的所有组合构成候选序列空间。每个候选序列按马尔可夫转移与可靠边界算出权重，再与学生模型对该候选序列的联结时序分类概率加权求和，取负对数作为无标注损失。已标注样本仍用常规联结时序分类损失，两部分按系数相加训练学生。
伪标签 × 置信度估计： 伪标签负责把无标注音频变成可训练的监督序列，分工是提供候选内容；置信度估计负责判断伪标签中每个鼓点是否可信，分工是提供位置级开关。二者搭配的原因是伪标签必然含错，若一视同仁会把错误传给学生。组合意义是只有低置信度位置才展开多候选，高置信度位置保持固定，从而把监督噪声限制在不确定片段内。
该流程的监督来源要分清：教师参数冻结，转移矩阵与初始分布从原始已标注序列估计后冻结，置信度模型在学生训练前训练好并冻结，学生从头训练。转移估计不使用增强序列、伪标签、验证或测试序列，这是防止信息泄漏的关键条件。
CTC 与候选加权各自算什么，为什么要叠加？
联结时序分类解决的是对齐不确定性。给定输入与目标鼓点序列，它对所有经坍缩函数能得到该序列的帧路径求和，每条路径是各帧输出概率的乘积。坍缩函数负责合并连续重复并去掉空白符号。这种设计使模型无需帧级标注即可学习，但前提是目标序列本身正确。论文在已标注数据上保留该目标，这是合理的，因为已标注序列级真值被视为可靠监督。
\[P_{\theta}^{\mathrm{CTC}}(Y\mid X)=\sum_{\pi:\mathcal{B}(\pi)=Y}\prod_{t=1}^{T}p_{\theta}(\pi_{t}\mid X,t),\]上述公式中符号含义是：输入是声学特征，目标是鼓点序列，求和遍历所有坍缩到目标的帧路径，路径概率是各帧后验的乘积。计算目标是目标序列的似然，训练时取负对数最小化。原文明确的实现是教师在已标注集上用该损失训练，学生对已标注部分也用该损失。
CTC × CMW-ATC： CTC 负责在无帧对齐条件下把声学帧概率边缘化到目标鼓点序列，分工是处理时长对齐；CMW-ATC 负责在伪标签不可靠时把多个候选序列按权重一起边缘化，分工是处理标签不确定性。搭配原因是标准 CTC 假设目标序列正确，而半监督伪标签违反该假设。组合意义是在 CTC 求和内部再加一层候选序列加权求和，使学生同时学对齐和容错。
候选加权解决的是标签不确定性。在不确定片段内，每个位置的候选集合是全词表，可靠位置候选集合是单点集，整个序列的候选空间是各位置集合的笛卡尔积。马尔可夫对数得分由左边界因子、片段内转移对数和、右边界因子组成，归一化后得到片段权重，多个分离片段的权重相乘得到序列权重。转移概率用加一平滑从已标注序列计数得到，行归一化保证左边界可用而右边界缺失时无需额外归一化。
\[P(s_{j}\mid s_{i})=\frac{N(s_{i},s_{j})+1}{\displaystyle\sum_{s^{\prime}\in\mathcal{S}}N(s_{i},s^{\prime})+K}.\]该公式中分子是前一鼓点到后一鼓点的共现计数加一，分母是该前一鼓点所有后继计数加词表大小。计算目标是学到鼓点进行先验，原文明确固定该矩阵，学生训练时不更新它。
四种边界情况如何决定不确定片段的权重？
不确定片段用左右是否有可靠邻居分成 4 种情况，这是马尔可夫桥思想的直接应用。左右都可靠时，候选序列的权重是经左边界进入、穿过候选、再进入右边界的完整路径概率，除以从左到右经所有可能中间序列的总概率。这相当于以两端为条件对中间路径做归一化，可靠右边界提供了前向转移之外的额外约束。
只有左边界时，权重就是从左出发经候选序列的路径概率，由于转移矩阵行归一化，对所有候选求和为一，无需分母。只有右边界时，首个候选用初始分布加权，再乘内部转移与到右边界的转移，除以从初始分布出发经任意中间序列到达右边界的总概率。左右都没有时，权重退化为初始分布与内部转移的乘积，同样自然归一化。
马尔可夫转移 × 马尔可夫桥： 马尔可夫转移负责刻画前一个鼓点到后一个鼓点的先验概率，分工是提供从左向右的序列合理性；马尔可夫桥负责在左右两端都可靠时对中间路径做条件归一化，分工是同时利用双侧边界约束不确定片段。搭配原因是连续多个伪标签都不可靠时，仅靠左侧会误差累积。组合意义是把候选片段看作连接左右可靠鼓点的桥，按完整路径概率归一化得到权重。
这种设计的教学要点是：不要把转移概率理解为声学相似度，它只来自已标注序列的符号统计；也不要把右边界理解为未来声学信息，它是教师伪标签中被置信度判定为可靠的符号。这种符号级先验与声学似然的分离，使加权不依赖未标注音频的真值，避免了用待验证的预测去验证自身。
置信度目标与训练损失如何构造与冻结？
鼓点级置信度估计的训练需要为每个教师预测生成正确性目标。做法是在已标注训练录音上运行冻结教师得到预测序列，与参考序列做鼓点级编辑距离对齐。若预测鼓点与对齐到的参考鼓点相同则目标为一，否则为零。删除操作没有对应预测鼓点，因此不产生目标。该对齐只用于确定目标，不需要起止点标注，这是序列级监督得以闭环的关键。
\[b_{u}=\begin{cases}1,&\text{if \(\hat{y}_{u}\) is matched to the same reference stroke},\\ 0,&\text{otherwise}.\end{cases}\]该公式中符号是预测鼓点与参考鼓点的匹配结果，计算目标是二值正确性。实现上每个预测鼓点出现被分别对待，重复出现的相同标签仍是不同样本，避免把多次出现混为 1 次。
教师表示的获取依赖受约束维特比对齐，也就是在坍缩结果必须等于教师预测的约束下，找概率最大的帧路径，再把属于同一预测鼓点的非空帧上的表示与后验向量平均拼接。拼接向量包含声学表示维度与词表加空白维度，送入 3 层全连接网络经激活与输出层得到置信度。
\[\bar{r}_{u}=\frac{1}{|\mathcal{T}_{u}|}\sum_{t\in\mathcal{T}_{u}}r_{t},\qquad\bar{p}_{u}=\frac{1}{|\mathcal{T}_{u}|}\sum_{t\in\mathcal{T}_{u}}p_{t}.\]该公式中求和对象是属于同一鼓点出现的帧集合，计算目标是鼓点级平均表示。训练损失是二值交叉熵，对所有预测鼓点求和，越高表示越确信预测正确。
\[\mathcal{L}_{\mathrm{S\text{-}CEM}}=-\sum_{u=1}^{\hat{U}}\left[b_{u}\log c_{u}+(1-b_{u})\log(1-c_{u})\right]\]学生训练时，已标注用常规损失，未标注用候选加权损失加权求和。伪标签长度保持不变，候选求和在图上完成而不显式枚举所有组合。教师、置信度模型、转移矩阵在学生训练时均冻结，学生从头训练。论文未报告梯度是否截断到教师或置信度分支之外的细节，但冻结声明已足以确定这些参数不更新；未报告优化器动量与学习率调度细节时，不从模型名称推定实现。
数据、特征、模型与调参条件是什么？
评测组织成 3 组设置：塔布拉独奏相关组合、含人声与乐器伴奏的印度斯坦音乐、具有受控节奏变化的合成塔布拉录音。3 组覆盖独奏、伴奏干扰与合成控制 3 种声学条件。已标注训练分区按既有方法做增强，包括音高偏移、时间伸缩、起音重混、谱滤波与鼓点重混，验证与测试不增强。半监督额外使用同一无标注网络语料，包含数百分钟独奏与音乐会录音，所有半监督方法共用该语料，保证比较的公平性。
特征是 128 维对数梅尔谱，分析窗与帧移按原文设置并按频率均值归一化。教师与学生采用相同卷积因子化时延神经网络结构，多层瓶颈投影、时序卷积、残差、归一化与丢弃，扩张因子扩大感受野，后接线性投影与输出层。置信度模型是 3 层全连接网络，用优化器训练固定轮数并在学生训练时冻结。
超参数选择在对应验证集上联合进行，阈值与无标注损失权重按网格搜索确定，不同评测组选出不同组合。替代方法的通配符尺度也在验证集上调定后固定用于测试，消融中除置信度阈值按同范围重选外，其余沿用主方法超参数。解码束宽与相关参数固定，候选加权在完整候选图上计算而不做束剪枝。评测指标是序列级鼓点错误率，定义为替代、删除与插入错误数之和除以参考鼓点数，越低越好。
主结果在什么条件下比较，数字支持什么判断？
比较的问题是：在相同序列级评测与相同无标注语料下，候选加权是否带来超越常规教师学生与替代时序分类的收益。公平条件是同一声学结构、同一教师冻结协议、同一评测指标与测试集。指标方向是鼓点错误率越低越好，括号中相对下降均以已标注基线为参照。
下表整理 3 组设置上的序列级与半监督方法，数值保留原文精度。需要强调的是强监督起止点方法与聚类方法训练条件不同，前者需起止点标注，后者簇形成阶段不用标签，因此不能把跨监督条件的数值差直接读作同条件胜负。论文的结论限定在序列级与半监督方法内部最低，这是有源对照的正确范围。
| 设置 | 已标注 CTC 基线 | 常规教师学生 | ATC-R | 本文 CMW-ATC | 相对基线下降 |
|---|---|---|---|---|---|
| 合成节奏 | 17.8 | 16.7 | 16.0 | 12.7 | 28.7% |
上表显示本文方法在 3 组上均为序列级与半监督内部最低。相对已标注基线的下降在 24% 到二十九之间，相对替代时序分类的下降在 16% 到二十一之间。代价是需要额外训练置信度模型并估计转移矩阵，且仍需序列级标注来启动教师。伴奏音乐组绝对错误率最高，论文将其与艺术家数量多、伴奏与节奏型变化大关联，但原文用词是可能关联，属于有限解释而非因果证明。未胜出项是起止点监督方法在伴奏组上仍低于本文方法，但它需要更细的标注，这是用标注成本换精度的典型权衡。
看图路径： 1. 先看横轴置信度与纵轴相对密度的含义，再对比左右两幅子图的颜色图例；2. 观察左图 CTC 后验下绿色正确与红色错误直方图的重叠区域；3. 观察右图 S-CEM 下绿色集中在 0.9 附近、红色集中在 0.4 以下的分离形态；4. 注意棕色重叠区变小的位置，理解阈值划分可靠与不确定片段的依据
论文图 1。原论文 Fig. 1:：“Confidence distributions of correct and incorrect teacher-predicted strokes on the TID+TSD test set.”。
上图比较两种置信度在测试集上对正确与错误预测的分离能力。左图后验置信度下两类分布重叠较大，右图本文置信度下正确预测集中在高分段而错误预测集中在低分段，重叠区明显缩小。这支持置信度替换的动机：更准的开关能减少把正确位置误放宽或把错误位置误固定的概率。但分布分离不等于阈值最优，实际阈值仍需验证集选择，且分离效果只在独奏组合测试集上可视验证，不宜直接推广到伴奏与合成组。
替代错误率 × 插入错误与删除错误： 替代错误负责度量鼓点身份判错，分工是反映分类混淆；插入错误与删除错误负责度量序列长度增删，分工是反映结构对齐偏差。搭配原因是 CMW-ATC 只在固定长度的伪标签位置上展开身份候选，并不显式增删位置。组合意义是解释为何插入和删除错误也能下降：那是学生模型整体变好带来的间接效果，而直接机制只针对替代不确定性。
误差分解显示哪类错误被直接处理，哪类是间接改善？
误差分解的问题是：总错误率下降来自替代、删除还是插入。公平条件是同一测试集与同一解码设置，指标是 3 类错误绝对值及其占总错误率的相对贡献。论文提醒候选图保持伪标签位置数，不显式增删位置，因此不能把插入删除下降读作图直接修正了长度。
| 数据集 | 方法 | 总错误率 | 替代 | 删除 | 插入 |
|---|---|---|---|---|---|
| 独奏组合 | CTC 基线 | 25.1 | 15.2 | 4.5 | 5.4 |
| 独奏组合 | 本文方法 | 18.3 | 11.5 | 3.4 | 3.3 |
| 伴奏音乐 | CTC 基线 | 43.8 | 22.4 | 12.0 | 9.4 |
| 伴奏音乐 | 本文方法 | 33.3 | 18.9 | 9.0 | 5.5 |
| 合成节奏 | CTC 基线 | 17.8 | 10.8 | 3.4 | 3.6 |
| 合成节奏 | 本文方法 | 12.7 | 8.3 | 2.4 | 2.0 |
表后解释是：3 类错误绝对值均下降，但替代始终是最大类别，占比在本文方法下反而略升，说明残余困难仍在身份判别。插入错误相对降幅最大，3 组分别约 38.9%、41.5 和 44.4，但应视为学生模型整体变好的效果，而非候选图直接增删位置的证明。限制是该分解未给出统计显著性与逐文件方差，不能断言每一首录音都一致改善，总体趋势不等于每组每步成立。
消融如何分离置信度与加权各自的贡献？
消融要回答两个问题：定位不确定位置的准确性有多重要，以及在位置已定的条件下加权方式是否重要。设计上用参照方法固定一端、替换另一端。通配符形式下比较不同置信度，全鼓点候选下比较均匀加权、前向加权与双侧加权，同为双侧加权下比较不同置信度。这种对照使每次只动一个因素。
下表整理消融的错误率，数值保留原文 1 位小数。公平条件是同一评测组与同一候选形式，指标方向同样越低越好。
| 方法 | 置信度 | 候选与加权 | 独奏组合 | 伴奏音乐 | 合成节奏 |
|---|---|---|---|---|---|
| ATC-R | 基于 CTC | 通配符 | 22.9 | 39.6 | 16.0 |
| A1 | S-CEM | 通配符 | 21.4 | 37.8 | 14.8 |
| A2 | S-CEM | 全鼓点均匀 | 21.2 | 38.1 | 14.6 |
| A3 | S-CEM | 前向马尔可夫 | 20.1 | 35.9 | 13.8 |
| A4 | 基于 CTC | 双侧加权 | 20.7 | 36.9 | 14.2 |
| 本文 | S-CEM | 双侧加权 | 18.3 | 33.3 | 12.7 |
表后解释需同时看到收益与代价。把通配符下的置信度换成鼓点级模型，相对下降约 4.5% 到 7.5；在双侧加权下同样替换，相对下降约 9.8% 到 11.6，说明置信度质量在更精细的加权下作用更大。把均匀加权换成前向加权，相对下降约 5.2% 到 5.8；再加入可靠右边界，相对前向进一步下降约 7.2% 到 9.0，说明双侧约束确有增益。
代价是候选空间随不确定片段长度指数增长，虽用图计算避免显式枚举，但转移估计依赖已标注符号统计，若风格迁移导致转移分布变化，收益可能缩小。未胜出项是均匀加权与通配符差异不大，表明仅放宽而不加权不足以解决连续不确定问题。
S-CEM × ATC-R： S-CEM 负责从教师表示中学习每个鼓点预测正确的概率，分工是更准地定位不确定位置；ATC-R 负责在不确定位置用通配符允许所有非空标签，分工是提供替代监督结构。搭配原因是 ATC-R 原用 CTC 后验做置信且对所有替代赋相同权重，无法区分序列合理性。组合意义是消融通过替换其中一项来分离置信质量与加权方式各自的贡献。
哪些边界尚未评测，哪些推论不能做？
未评测边界首先是标注需求并未消除。框架仍需序列级标注来训练教师、训练置信度模型并估计转移矩阵与初始分布，只是把大量音频的标注降为伪标签加权利用。未来更低资源设置与进一步降低标注需求被列为后续工作，当前结果不支持零标注可部署的判断。
其次是转移先验的适用条件。每组评测独立估计转移矩阵且训练时固定，若测试风格、节奏型或鼓点词表分布显著偏离已标注统计，加权可能失效。论文未报告跨数据集迁移或词表外鼓点的表现，因此不能把组内收益推广为跨风格鲁棒性。
第三是成本与延迟缺项。原文报告了模型层数、特征维度与训练轮数，但未系统测量训练时长、推理延迟、内存占用或输出帧率。不能从错误率下降推定延迟或成本改善，训练资源、推理开销与实际延迟需分别讨论。此外，资源状态证据显示未发现可验证的开源代码与模型链接，因此不能声称代码或数据已公开，复现需按论文描述自行实现。
复现应先固定什么，再调什么？
复现的第一步是固定信息条件。按原文用对应已标注训练集训练教师并冻结，用同一教师在已标注集上生成预测与表示，经编辑距离对齐得到二值目标来训练置信度模型，再从原始已标注序列用加一平滑估计转移矩阵与初始分布并冻结。增强只用于已标注训练分区，验证测试不增强，伪标签与验证测试序列不参与转移估计。混用这些来源会引入泄漏，复现时必须先检查数据划分脚本。
第二步是固定学生训练协议。学生从头训练，已标注用常规损失，未标注用候选加权损失，两部分按系数相加。阈值与损失权重在对应验证集上网格搜索，不同组的最优组合不同，不能把一组的取值直接搬到另一组。替代基线的通配符尺度与置信度阈值也需在验证集上确定，冻结教师协议要与本文方法一致，否则比较不公平。
第三步是核对指标口径。序列级鼓点错误率按替代加删除加插入除以参考鼓点数计算，百分点差值与相对百分比含义不同，引用时保留 1 位小数与百分号写法，不自行四舍五入或换算。若复现中某组相对下降明显偏小，应先检查置信度分布是否分离、转移矩阵是否行归一化、候选图是否保持伪标签长度，再考虑风格差异，而不要直接归因于实现错误或论文错误。
何时值得尝试这种双侧加权，记住什么？
当已具备少量序列级标注和大量无标注音频，且教师伪标签中出现连续不可靠片段时，这种双侧加权值得尝试。它的适用前提是鼓点进行存在可学习的顺序规律，且伪标签中仍保留足够多可靠邻居作为边界。若音频风格高度即兴、转移统计稀疏，或置信度本身不可靠，加权收益会打折扣，此时应先改善置信度或增加已标注多样性。
记住 3 条可复述的方法要点。第一，用受约束对齐把帧表示平均成鼓点表示，再学一个二值正确性模型来做开关，而不是直接用后验阈值。第二，把连续低置信度位置组成片段，在片段内展开全词表候选并保持长度不变。第三，按左边界、内部转移、右边界的路径概率归一化得到权重，左右缺失时退化为对应单侧或无边界形式，学生在加权候选上做时序分类训练。
最终判断应限定在论文直接报告的范围内。报告显示 3 组上均为序列级与半监督内部最低，消融支持置信度、前向加权与右边界各自的贡献，误差分析显示 3 类错误均降但替代仍占主导。未验证的是跨风格迁移、统计显著性与部署成本，这些需要补做验证才能作为选型依据。
📎 论文与评分元数据
排名：前50% | 文档类型：方法研究 | arXiv 原文
⚖️ 评分明细
评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。
评分规则：type-aware-v1
评分模型：muse-spark-1.3-contributor
评分请求协议：openai_responses