英文题目：Six Layers Less: Encoder Pruning for Whisper with Label-Free Recovery
标签：#语音识别 | #模型剪枝 | #知识蒸馏 | #多语言 | #高效推理
评分：7.3/10 | 创新 1.2/2 | 技术严谨 1/1.5 | 实验充分 1/1.5 | 清晰度 0.8/1 | 影响力 1/1.5 | 开源 1/1.5 | 可复现 0.3/0.5 | 工程/实践 1/1.5
👥 作者与机构
- Rasmus Aagaard：Technical University of Denmark；Laerdal Medical
- Nicki Skafte Detlefsen：Technical University of Denmark
📌 核心摘要
自动语音识别（Automatic Speech Recognition，ASR）以语音波形为输入、以文本转写为输出，难点在于编码器深层存在冗余但直接删层易破坏声学表示的多语言泛化。该工作针对 whisper-large-v3-turbo 的 32 层编码器，先逐一做留一层消融，在 FLEURS 四语测试集上计算词错误率（Word Error Rate，WER）变化均值并排序，输出低敏感层集合。接着将排序最低的 6 层整体移除得到 26 层浅编码器，该结构直接替换原 ModuleList 而保持解码器与推理接口不变。然后以完整编码器为教师、剪枝编码器为学生，仅用无标注英语语音做均方误差（Mean Squared Error，MSE）隐状态对齐以恢复表示。与已有解码器压缩及需定制实现的编码器压缩不同，该机制差异在于按任务指标选层加无标签声学对齐，且产物为标准 Transformer 浅堆叠。在FLEURS四语测试集评测下，蒸馏后剪枝编码器的WER为20.1%，低于零样本剪枝编码器的WER 21.9%。结论仅在该模型与所测四语范围内验证，删至第 7 层后急剧恶化且低资源语言外推未验证。蒸馏成本为单卡 Nvidia A100 约半小时的 2000 步训练，编码器参数减少 118M，bfloat16 整模型从 1543MB 降至 1318MB。该结论的适用边界尚未验证低资源语言外推，训练成本受限于单卡硬件短时蒸馏。
🔗 开源与复现资源
代码相关资源：https://github.com/rasgaard/whisper-encoder-layer-prune — 链接可访问（HTTP 200）
模型相关资源：https://huggingface.co/rasgaard/whisper-large-v3-turbo-encoder-pruned — 暂时无法访问
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
输入是什么，输出是什么，为什么编码器值得动？
本文的输入是一段待转录的语音波形，输出是对应语言的文字转录序列。研究对象是 whisper-large-v3-turbo，这是一个编码器加解码器的变换器结构语音识别模型。按原文交代，该变体已把解码器从 32 层压缩到 4 层，而编码器仍保留 32 层全量。初学者容易把注意力都放在解码器加速上，因为自回归生成逐词进行，直观上更慢。但原文在消费级硬件上的拆分显示，当批量增大时编码器耗时占比会上升到一半以上，因此编码器同样是端到端延迟的重要来源。
白话说，编码器是把声音变成机器好理解的中间表示的模块，英文名为 encoder；解码器是看着这些中间表示逐词写出文字的模块，英文名为 decoder。本文只研究编码器层剪枝，不改解码器，不改推理框架。目标是在尽量少损失多语转录精度的前提下，让编码器变浅、参数变少、推理变快。
编码器 × 解码器： 编码器负责把输入语音声学信号变换为隐状态序列，解码器负责以这些隐状态为条件自回归生成文字；本文只剪编码器是因为解码器已被 turbo 压缩到 4 层而编码器仍是 32 层全量，编码器前向占比在大批量时可达一半以上，搭配理由是浅编码器可直接被现有推理库执行而不需改结构，组合意义是把加速重点从已压缩的解码器转回未压缩的编码器。
本解读的输入是论文正文证据与本次收到的官方原图像素，目标是让研究生能核对并复述方法。必须保留的信息包括选层依据、删除集合、蒸馏目标与冻结范围、训练数据与步数、评测语言与指标、精度与速度数字。输出按学习依赖展开，先讲任务与路线，再讲方法全景与组件计算，然后讲训练构造与实验条件，最后讲结果反证与复现收束。
已有压缩路线做了什么，本文补哪一块？
原文把相关路线放在引言中对照。第一条路线是解码器压缩，已有广泛采用的做法，例如 whisper-large-v3-turbo 把解码器减到 4 层，蒸馏版把解码器减到 2 层，带来了显著的端到端转录加速。第二条路线是编码器压缩，原文指出已有一些关注但没有得到广泛采用，原因之一是压缩后需要定制推理实现才能真正获益。第三条路线是大语言模型中观察到的某些层无效或冗余，以及用余弦相似度衡量层重要性的讨论，原文明确表示仅用输入输出相似度是不够的。
按同输入、同目标、同运行阶段对照，本文与解码器压缩路线输入输出相同但压缩部位不同，与编码器压缩路线部位相同但强调无需定制推理代码，与大模型层冗余观察思路相近但把重要性度量换成了真实词错率变化。原文没有把类别差异当成同条件胜负，只是说明编码器存在可 exploited 的冗余。本文的差异化主张是直接给出更浅的编码器，作为现有推理库的即插替换。初学者不要把本文理解为又一个解码器蒸馏，它不动解码器权重与结构。
要判断哪几层可以删，需要什么问题形式？
问题可以写成在一个 32 层编码器中选出一个大小为 6 的删除集合，使得删除后在多语测试上的平均词错率升高尽量小，并且删除后仍能通过短时无标签蒸馏进一步恢复。这里有两个约束，一是删除后模型必须是标准层堆叠减少的形式，不引入稀疏矩阵或特殊算子，二是恢复阶段不能使用人工转录标签，只能用未标注语音。举例来说，这就像要从一栋 32 层楼中抽掉 6 层还不让楼塌，例子仅用于理解选择与恢复的解耦，不代表论文给出建筑学结论。
原文的假设是残差连接承载了大部分信号流动，各层隐状态高度相似，因此很多单层删除只引起很小的词错率变化，进而猜测多层可以一起删除。论文用实验验证该假设在 6 层以内成立，在第 7 层出现明显边界。需要强调的是，该假设是动机而非证明，真正的依据是留一层实测的词错率排序与随机对照、层数扫描对照。
三步走的全景是什么，先删后恢复如何衔接？
方法全景分为 3 步。第一步是重要性排序，对 32 层逐一做留一层删除，在 4 个语言测试集上测平均词错率增量，增量越小说明该层越不重要。第二步是零样本删除，把排序中最不重要的 6 层直接从编码器的模块列表中去掉，不做任何训练，直接评测退化幅度。第 3 步是无标签蒸馏恢复，把完整编码器当教师、剪后编码器当学生，用未标注音频训练学生输出与教师相近的隐状态，解码器与教师编码器全程冻结。
下图把 3 阶段画成从完整编码器到剪后编码器再到恢复后编码器的流程，是理解本文最省力的总览。图前导读需要抓住两条箭头的含义，一条是结构删除，另一条是表示对齐，底部还有一条不依赖标签的蒸馏回路。
看图路径： 1. 先看左侧 Full 到中间 Pruned 的箭头，确认标注为 Prune 6 layers 且平均词错率变化；2. 再看中间 Pruned 到右侧 Recovered 的箭头，确认标注为 Recover 且平均词错率回落；3. 最后看底部 Label-free distillation 连线，确认教师指向学生的恢复路径不经过文字标签
论文图 1。原论文 Figure 1:：“Transcription performance throughout the process of pruning the layers in whisper-large-v3-turbo’s encoder, going from the full encoder (left), zero-shot pruned encoder (middle)…”。
从像素可见，左中右三列分别标注完整、剪后与恢复后的平均词错率，左侧完整为 18.2%，中间剪后为 21.9% 并标注增加 3.8，右侧恢复后为 20.1% 并标注增加 1.9。左侧黄色块中有剪刀标记的待删层，中间白色块表示已被移除的位置，右侧结构与中间相同但经过恢复训练。底部有一条从左侧教师指向右侧学生的无标签蒸馏连线，说明恢复信号来自隐状态模仿而非文字监督。该图支持的判断是删除带来可测退化而蒸馏收窄约一半差距，但并未回到基线，限制是该图只展示平均值，掩盖了丹麦语退化更大的语言差异。
层剪枝 × 知识蒸馏： 层剪枝负责决定删掉哪几层并直接得到更浅的编码器，知识蒸馏负责让剪后编码器的输出隐状态重新对齐完整编码器；前者不做任何参数更新而是结构删除，后者冻结完整编码器与解码器只更新剪后编码器，搭配理由是零样本删除必然造成表示漂移而均方误差目标可以直接拉回声学表示，组合意义是用少量无标签音频弥补结构缺失而不需转录标签。
留一层词错率排序如何操作，删的是哪六层？
具体操作是构造 32 个留一层编码器，每个编码器只缺一层，其余保持不变，然后在 FLEURS 测试集的丹麦语、英语、德语、法语 4 个语言上分别测词错率，取四语平均增量作为该层的重要性分数。白话说，词错率英文名为 Word Error Rate，缩写为 WER，数值越低表示转录越准；留一层变化英文可理解为 leave-one-layer-out change in WER，记为平均词错率增量。原文明确不用传统的余弦相似度方法，因为残差使层输入输出本来就很像，区分不出真的重要层。
下图是 32 层的排序结果，横轴是编码器层号但按增量从小到大排列，纵轴是平均词错率增量。图前导读要先确认排序逻辑，再看橙色待删棒与蓝色保留棒的分布，最后注意截断纵轴上的极端层。
看图路径： 1. 先沿横轴 Encoder layer 确认 32 层的排序是按平均词错率增量从小到大而非层号顺序；2. 再比较最左侧橙色短棒与最右侧蓝色高棒的纵轴高度差异；3. 最后定位层 0 和层 31 的截断纵轴，确认其灾难性退化的量级
论文图 2。原论文 Figure 2:：“Layer importance scores for all 32 Whisper encoder layers, ranked by mean ΔWER across the selected languages.”。
从像素可见，最左侧橙色短棒对应层 7、12、9、11、5 等，高度接近零，说明单层删除几乎不影响平均词错率；向右蓝色棒逐渐升高，说明越靠后的层越敏感；最右侧层 0 出现截断后的超高棒，层 31 也有很高棒，图注明确指出这两层移除会导致灾难性退化。原文据此选出的删除集合为层 5、6、7、9、11、12，全部位于前半到中部，早期层 0 和层 1 被明确保留。实现上原文通过替换编码器的模块列表为去掉选中层后的拷贝来完成删除，不改其他结构。
留一层词错率变化 × 余弦相似度： 留一层词错率变化负责逐层实际删除一层后在 FLEURS 测试集上测量平均词错率升高多少，余弦相似度只负责比较某层输入输出隐状态的方向接近程度；前者是任务端到端效果，后者是层内几何相似，搭配理由是残差连接会让各层输入输出都很相似因而余弦方法区分度不足，组合意义是否定仅看相似度选层的做法，改用真实转录代价排序。
无标签蒸馏训练了谁，冻结了谁，目标怎么写？
训练阶段只更新剪后编码器的参数，完整编码器作为教师保持冻结，解码器也保持冻结。监督来源不是人工转录文字，而是教师编码器对同一段未标注音频输出的隐状态。优化目标是让学生的隐状态在均方误差下接近教师隐状态。原文使用 AdamW 优化器，批量大小为 8，训练 2000 步，每 500 步观察平均词错率增量以判断收敛，训练数据是英语单语 People’s Speech 数据集的验证划分，耗时约半小时，使用英伟达 A100 显卡。
先沿一个样本走完流程有助于理解。输入一段英语未标注音频波形，同时送入教师完整编码器和学生剪后编码器，得到两个隐状态张量，计算二者差的平方均值作为损失，只对学生编码器求梯度并更新，教师不更新，解码器不参与该损失。原文未报告学习率与权重衰减等细节，这是复现时需要核对代码的具体缺项，不从模型名称推定实现。
零样本剪枝 × 无标签蒸馏恢复： 零样本剪枝负责在不训练的情况下把选定的 6 层从模块列表中移除并直接评测，无标签蒸馏恢复负责用未标注语音让学生编码器模仿教师编码器的最终隐状态；前者暴露结构冗余与敏感层，后者只用音频波形而不用文字标签，搭配理由是先用零样本确定可删集合的边界再用小预算训练收窄差距，组合意义是把选择问题与恢复问题解耦。
符号与计算目标按原文公式理解，其中 Enc 表示完整编码器映射，Enc 下标表示去掉删除集合后的剪后编码器，x 表示未标注音频样本，theta 表示剪后编码器可训练参数，n 表示归一化元素数，范数为平方欧氏范数。计算目标是最小化该均方误差，使学生隐状态重新对齐教师隐状态。原文未给出梯度路径之外的额外正则或中间层对齐，不猜测是否存在分层损失。
\[\mathcal{L}_{\text{MSE}}(x,\theta_{\text{Enc}_{/R}})=\frac{1}{n}||\text{Enc}(x)-\text{Enc}_{/R}(x)||^{2}_{2}\]该公式支持的判断是恢复的是声学表示而非语言特有特征，依据是后文多语均有恢复而训练仅用英语，但这属于有限解释而非因果证明，仍需多语蒸馏对照才能确认，原文也在局限中提出该问题。
数据、划分、指标与硬件条件如何对齐？
选层与评测使用 FLEURS 测试集的 4 个语言划分，分别为丹麦语、英语、德语、法语，指标为词错率，聚合方式为四语算术平均，括号内报告相对基线的绝对百分点变化。初学者必须区分百分点与相对百分比，原文括号如增加 3.8 指的是百分点升高，不是相对升高 3.8%。蒸馏训练使用 People’s Speech 英语验证划分，与评测集语言不完全重合，评测包含分布外英语长音频的速度测试。
硬件与推理条件按原文交代，训练在英伟达 A100 上进行，速度测试在苹果 M4 Pro 上使用 Transformers 库加苹果 MPS 后端，对一段 60 秒分布外英语音频平均 5 次运行结果。批量 1 与批量 8 分别报告编码器与解码器耗时占比，以及端到端加速与编码器加速的不同口径。原文明确端到端加速相对批量 1 完整模型，编码器加速相对同批量完整模型，比较时不能混用口径。统计显著性方法原文未报告，这是缺项，阅读时只能把数字当作单次协议下的观测值。
代码资源状态是正文开源声明的唯一依据，本次收到的资源状态显示代码链接当前可用，已公开，地址为论文中给出的编码器层剪枝仓库；模型链接本次未能确认可达，不能写已公开或可下载。复现时应先以代码仓库的安装说明为准，权重可用性需另行确认。
精度掉了多少，恢复了多少，速度与体积换来什么？
核心问题是 3 阶段精度如何变化，比较条件是同一四语 FLEURS 测试划分与同一词错率指标，指标方向为越低越好。下表保留完整基线、零样本剪后与蒸馏恢复后 3 个实际可运行策略，括号为相对基线的绝对百分点变化。表前需要明确比较问题与公平条件，表后需要解释收益与代价。
| Language | Baseline | Zero-shot | Distilled |
|---|---|---|---|
| Danish | 23.9 | 32.1 (+8.2) | 27.3 (+3.4) |
| English | 15.4 | 16.6 (+1.2) | 16.1 (+0.7) |
| German | 17.1 | 18.3 (+1.2) | 18.1 (+1.0) |
| French | 16.3 | 20.7 (+4.4) | 18.7 (+2.5) |
| Mean | 18.2 | 21.9 (+3.8) | 20.1 (+1.9) |
表后解释主要收益与具体代价。平均词错率从基线 18.2% 升至零样本 21.9%，绝对升高 3.8 个百分点，蒸馏后回落到 20.1%，绝对升高收窄到 1.9 个百分点，约一半差距被恢复。分语言看英语与德语退化较小，零样本仅升高 1.2 个百分点，恢复后残留 0.7 到 1.0 个百分点；法语零样本升高 4.4 个百分点，恢复后残留 2.5 个百分点；丹麦语最差，零样本升高 8.2 个百分点，恢复后仍残留 3.4 个百分点。
未胜出项是丹麦语，它既是退化最大也是恢复最多但仍差距最大的语言，说明平均值掩盖了低资源语言风险。原文的有限解释是均方误差恢复的是声学表示故多语均受益，可能但待验证。
词错率 × 编码器加速比： 词错率负责衡量转录文字与参考文字的不一致程度越低越好，编码器加速比负责衡量剪后编码器相对同批量完整编码器的耗时比值越高越快；前者是精度代价，后者是部署收益，搭配理由是只看加速会掩盖丹麦语等语言的大幅退化而只看词错率会忽略批量增大时编码器占比上升的事实，组合意义是必须同时报告精度表与耗时拆分才能判断是否值得部署。
体积与速度方面，比较问题是同样精度口径下能省多少存储与时间。原文报告移除 6 层消除编码器 118M 参数，完整模型在半精度下从 1543 MB 降到 1318 MB，节省 225 MB，不改解码器与推理代码。下表保留完整与剪后对照，指标单位按原文保留。
| Metric | Full | Pruned | Change |
|---|---|---|---|
| Encoder parameters | 637M | 519M | −-118M |
| Model size (bf16) | 1543MB | 1318MB | −-225MB |
表后解释体积收益的边界。参数与体积节省是确定性结构收益，不依赖数据分布，但精度代价如上表所示依然存在。速度收益需要看下一张宽表，因为编码器加速与端到端加速口径不同，且批量大小改变编码器耗时占比。下表用原文连续句中的数字整理，保留原文单位与加速比写法，用于区分两种加速口径与两种批量条件。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 批量 1 同批量比较 | 编码器加速比 | 1.00× | 1.22× | 完整模型同批量 |
| 批量 8 同批量比较 | 编码器加速比 | 1.00× | 1.24× | 完整模型同批量 |
| 相对批量 1 完整模型 | 端到端加速批量 1 | 1.00× | 1.08× | 完整模型批量 1 |
| 相对批量 1 完整模型 | 端到端加速批量 8 | 1.50× | 1.75× | 完整模型批量 1 |
表后解释速度结论与限制。编码器本身稳定加速约 1.22 到 1.24 倍，端到端在批量 1 仅 1.08 倍，在批量 8 可达 1.75 倍，原因是批量 8 时编码器占比从 36% 升至 56%，编码器变浅的收益被放大。限制是该测试仅为单段 60 秒分布外英语音频在特定消费级硬件与后端上的 5 次平均，未测量其他语言、长尾噪声或服务端显卡，不能把该加速推广为全场景承诺。总体趋势不等于每步都成立，批量 1 用户感知可能有限。
随机选层会怎样，多删一层会发生什么？
第一个反证是随机选层对照。问题是花代价计算留一层词错率是否值得，比较对象是从层 1 到 15 随机抽 6 层的 50 种组合，指标仍是平均词错率增量。下图左侧为本文最优选择，右侧为随机散点，纵轴为对数刻度的平均词错率增量。图前导读要先定位最优菱形，再看随机散点的跨度，最后对比最好随机与最优的差距。
看图路径： 1. 先看左侧 Optimal selection 菱形标记的纵轴位置；2. 再看右侧 Random selection 散点的纵向跨度与对数刻度；3. 最后对比最优值与随机最好值、最差值的相对关系
论文图 3。原论文 Figure 3:：“Comparison of the ΔWER-guided optimal layer selection against 50 random selections of six layers drawn from layers 1–15.”。
从像素可见，最优选择标注为增加 3.8%，随机选择从最低约增加 5% 一直上探到增加 471%，散点主体集中在高位，说明早期冗余分布不均匀，随意删 6 层大概率远差于按指标选择。该对照支持数据驱动选层是必要的，但限制是随机范围限定在层 1 到 15，未覆盖包含关键层 0 或深层的大范围随机，不能外推到任意 6 层。
第二个反证是层数扫描与第 7 层候选扫描。问题是为什么停在 6 层，比较条件是每次取排序中最不重要的前 k 层，k 从 7 走到 14。下图横轴为删除层数，纵轴为零样本平均词错率增量，图前导读要沿横轴看线性段，再定位悬崖虚线，最后看悬崖后的非单调起伏。
看图路径： 1. 先沿横轴 Layers removed 从 1 走到 14，观察纵轴平均词错率增量的走势；2. 再定位 k=6 到 k=7 之间虚线 cliff 附近的跳变；3. 最后比较 k=9 之后各棒的高度起伏，确认超过边界后不再单调
论文图 4。原论文 Figure 4:：“Zero-shot WER degradation (mean across four languages) as a function of the number of layers removed, always taking the k least important layers by ΔWER ranking.”。
从像素可见，k up to 6 之前退化平缓近似线性，k 为 7 时出现跳变，k 为 9 到 11 达到高峰，之后仍维持高位，原文称之为悬崖现象。进一步对第 7 层候选的扫描显示，即使最温和的第 8 层也会带来约 2.6 倍于 6 层选择的退化，形成连续 5 层缺口仍超出编码器承受能力。下表把平均值变化、随机跨度与第 7 层边界整理为可核对的宽表，数字均来自原文连续句。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 四语平均 | 词错率基线 | 18.2% | 20.1% | 蒸馏后 |
| 四语平均 | 词错率零样本 | 21.9% | 20.1% | 蒸馏后 |
| 随机 6 层 | 平均词错率增量跨度 | +5 | +471 | 最优 +3.8 |
| 最优加第 8 层 | 退化倍数相对 6 层 | 2.6× | 2.6× | 6 层参考 |
表后解释反证的含义与代价。最优 6 层是当前排序下的可部署边界，随机最好仍差于最优，多删一层即使选最优候选也显著恶化。未评测边界是蒸馏能否挽救 7 层以上的悬崖，原文未做该恢复实验，不能假设蒸馏同样能拉回。另一个细节是第 7 层最优为层 8 会形成层 5 到层 9 的连续大缺口，原文提出集中缺口可能优于碎片化缺口的猜测，但明确仍是待验证的推测。
哪些结论不能推广，缺了哪几项验证？
原文在局限小节明确了 3 类边界。第一是语言覆盖仅为 4 个欧洲语言，缺乏更广泛的低资源语言扫描，丹麦语已显示更大退化，不能把多语保留推广到未测语言。第二是模型范围仅为 whisper-large-v3-turbo 的编码器，不同规模模型的冗余分布可能不同，不能直接外推层号。第三是蒸馏仅用英语单语数据，是否用多语数据能更好恢复丹麦语与法语仍是未验证问题，原文提出但未实验。
此外，训练超参数报告不完整，缺学习率、预热与权重衰减，速度测试为单硬件单音频单后端，统计方法未报告。缺失证据不是技术错误，但复现时必须补上这些验证才能谈部署。相关性不等于因果，例如英语蒸馏伴随多语恢复不能直接证明恢复的是纯声学表示，还需冻结分析或多语蒸馏对照。
要复现先做什么，需要哪些信息条件？
复现先做三件事。第一是按代码仓库安装并加载 whisper-large-v3-turbo，确认编码器为 32 层结构，复刻留一层评测脚本，在 FLEURS 4 个语言测试划分上得到每层平均词错率增量，核对删除集合是否为层 5、6、7、9、11、12。第二是实现结构删除，即把编码器模块列表替换为去掉选中层后的拷贝，评测零样本四语平均词错率是否从 18.2% 升至 21.9% 附近，注意百分点与百分比的区分以及聚合为算术平均。第三是实现教师冻结的学生蒸馏，用 People’s Speech 英语验证划分跑批量 8 共 2000 步的均方误差训练，每 500 步检查增量是否收敛，再评测是否回落到 20.1% 附近。
关键超参数与信息条件中，原文已给批量、步数、优化器类型、冻结范围与数据划分，未给学习率等细节，需以开源代码为准。代码当前可用，模型权重本次未能确认可达，复现前需先确认权重可下载或用本地已有权重替代，并记录精度与硬件差异。速度复现需同为 Transformers 加 MPS 后端与同批量条件，否则加速比不可比。常见误解是把编码器加速比当成端到端加速，实际上端到端取决于编码器占比，批量 1 与批量 8 结论差异很大。
何时值得尝试这六层剪枝，何时应该停手？
当部署受存储与编码器耗时限制，且能接受平均约 1.9 个百分点的词错率残留、丹麦语等低资源语言更大残留时，该方法值得尝试，因为它是标准浅编码器，无需改推理框架，且蒸馏预算仅半小时量级。当应用对低资源语言精度零容忍，或批量常为 1 而端到端感知加速仅约 1.08 倍时，应该停手或先补测目标语言与目标硬件。
还需补的验证包括目标语言的留一层排序是否仍指向同一集合、7 层以上经蒸馏能否恢复、多语蒸馏是否进一步收窄法语与丹麦语差距。总体上，本文报告的是在特定四语与特定硬件下的可运行收益与代价，支持 6 层为边界的判断，可能的声学表示解释待验证，不承诺延迟、误判率或成本在所有场景同步改善。
📎 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