英文题目：DuplexCadence: Exact State and Execution from a Speech Model’s Declared Timelines
标签：#全双工语音交互 | #形式化分析 | #实时处理 | #流式处理 | #高效推理
评分：7.6/10 | 创新 1.6/2 | 技术严谨 1.2/1.5 | 实验充分 1.3/1.5 | 清晰度 0.8/1 | 影响力 1.2/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 1.2/1.5
👥 作者与机构
- Haixiao Gao：Jinan University, China
- Yimin Zheng：Jinan University, China
- Linyou Xiao：Jinan University, China
- Zeke Xie：Hong Kong University of Science and Technology (Guangzhou), China
📌 核心摘要
全双工语音交互要求每 1 秒输入在下 1 秒到来前合成出 1 秒语音，会话内阶段严格串行而无法用批处理摊销启动开销。论文将瓶颈定位到语音合成尾段，其数千个微内核的编排空闲与按静态常量超配的持久状态共同导致超时与并发受限。DuplexCadence 先由适配器声明原生时钟与保留策略，再据此分配按需尺寸且地址稳定的保持缓存，并枚举可达形状做精确图形重放。相比填充式分桶记录，该机制不改变归约顺序从而保持比特级一致，同时消除了主机发射间隙与冗余显存。状态规则与计算规则相互使能且按匹配数据块配对验证，逐调用表示不变性在运行期持续校验以保证精确执行。在MiniCPM-o 4.5端到端评测设置下，SRc的SPEAK均值指标为976 ms，低于B0基线的SPEAK均值指标1,141 ms，同步合成段延迟与进程峰值显存亦随精确重放而下降且比特级精确保持不变。结论仅适用于保留有界且推进步长可枚举的流式解码器，逐 token 自回归阶段与提示预热仍回退到急切执行。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
全双工语音的实时任务是什么？
输入是连续到达的双向语音交互，用户可以随时打断，系统必须边听边说。目标是把每 1 秒到达的输入，在下 1 秒到达之前变成 1 秒可播放的语音。必须保留的信息是周期性截止期的存在：会话以 1 秒节拍推进，单会话内各阶段严格串行，因此跨请求的批处理无法摊薄单次调用的发射开销。
对刚入门的读者，白话解释是全双工指同时听和说，流式推理指按小块持续推进而不是等整句结束。英文缩写需要先固定：SPEAK 指合成并交付 1 秒语音的完整段，CFM 指一致流匹配类的求解器，DiT 指扩散变换器结构的流解码器，HiFT 指把中间表示变成波形的声码器。后文都用这套简称。
本研究的输出不是新语音模型，而是运行时系统。举例来说，就像同样的菜谱换一套厨房动线，菜品不变但备菜和上菜更快。它不改变模型权重与音频内容，只改变状态如何存放、算子如何下发。学习依赖上，先要接受单会话关键路径必须逐段审计的前提，否则后文把合成尾段单独加速的安排就难以理解。
同类路线为何不能直接拿来用？
同输入同目标的路线包括跨请求批处理、分页内存、前缀缓存、分块预填充与分离式服务，它们都靠合并独立请求来摊薄固定开销。论文报告这些方法作用在独立请求之间，与本文优化单个会话内部串行路径处于不同层次，可以组合但不能替代。近期语音与多模态服务系统把固定分块或分桶扩展到音频，同样工作在会话之间。
同运行阶段的路线包括用图录制捕获重复调用序列、用按需分配压缩内存包络、用编译器处理形状变化。论文指出这些通用补救各有严格前提：图录制要求形状固定且指针稳定，按需分配要求知道哪些历史仍然存活，而流式语音的保留截断与逐块重分配恰好破坏这两个前提。发布的录制快速路径因此静默失效。
另一类路线是改计算本身的近似方法，例如量化、快速常微分方程求解器与投机解码。论文明确把它们放在无损范围之外，因为早期一种解码变换虽降低延迟，却引起词元轨迹发散与字符错误率上升，因此被丢弃。这为后文逐字节一致的门禁埋下依据，也说明本文不靠牺牲输出换速度。
一秒钟的时间和内存花在哪里？
沿一个样本走完更直观。论文剖析 MiniCPM-o 4.5 在一个代表性单元发出 17 个语音词元的过程：先经过语言主干与语音词元自回归解码，再经过多步求解与声码器。前两段合计已接近 1 秒预算，但合成尾段再加一段，把总时间推到节拍之外。问题于是聚焦为尾段为何多出这几百毫秒。
论文把这种慢分解为两个可对照下界的量。时间侧是编排松弛：每秒数千个微小且形状规则的核被逐个交给设备，设备大部分时间在等主机。内存侧是超额预留：流解码器实际使用的暂存只有分配的七分之一，其余被占而不用，且每次拼接保留历史都会分配新缓存并漂移地址。
现有快速路径因此两头落空：手工挑选的形状桶与原生时钟实际产生的形状对不上，录制分支从不触发，只能退回逐个发射。若把桶修大到能触发，又会把填充后的臃肿包络冻结下来，内存更高。这就是后文必须同时解决两个约束的原因，也是理解互相使能主张的起点。
DuplexCadence 的全景与两条规则是什么？
方法全景是先声明、再按声明分配与捕获、最后在运行时守门执行。每个模型族由适配器说出三件事：状态按哪些时钟推进，每块状态的保留界是什么，哪些区域地址必须稳定。运行时据此推导内存布局与可达形状目录，热算子按精确签名捕获，失配则退回逐个执行。
下面这张动机图把常规运行时与新契约并排比较，左侧是问题，中间是声明，右侧是两条规则，底部是实际流水，适合在读细节前建立位置感，全图对象与箭头都可按像素核对。
看图路径： 1. 先看左侧常规路径中超额状态面板与逐个小核发射面板的位置关系；2. 再看中间原生时钟合约列出的时钟量、保留界与放置等声明项；3. 然后看右侧状态规则与计算规则之间的双向互相使能箭头；4. 最后沿底部流水确认被捕获的三个可调用与保持逐个执行的段
论文图 1。原论文 Figure 1.：“One second of full-duplex speech synthesis and recurring operations.”。
从像素可见，左侧上方用大网格表示按静态常量预留的状态，其中只有一小块是存活区，其余是空闲，下方用小方块与虚线空隙表示核与等待，指针从甲漂到丙。中间列出原生时钟、增长映射、生命周期、可变性、保留界与放置。右侧上方是按包络需求缩小的工作区与固定携带缓存，下方是 3 个精确形状签名与图回放，底部上采样编码器、整体求解循环与声码器核心被打勾并最终输出逐字节一致的波形。
两条规则的分工是：状态规则把过大包络收缩到需求尺寸，把保留缓存固定到单一地址；计算规则把可达形状枚举为有限目录并按精确几何回放，不做填充。论文强调两者互相使能，缺一侧都会在另一侧付出代价，证据放在后文的析因比较中展开。
区域合约如何把时钟变成可执行参数？
区域合约把每块持久状态描述为时钟、增长映射、生命周期、可变性、保留策略与物理放置。白话说，时钟是计数器，保留策略是截断规则，放置是放在哪个设备内存。适配器对主工作点声明了提示帧、保留帧、块帧与调用帧等具体数字，以及准入谓词与地址稳定区域，此后所有范围与类别数都由这些数字确定性推导。
原生时钟 × 保留策略： 原生时钟分工是回答每块状态按什么速率推进、新数据下一次写到哪个偏移；保留策略分工是回答下游最多向前读多远、哪段历史仍然存活。搭配理由是只有知道推进步长才能枚举可达形状，只有知道保留上界才能算出内存需求，组合后运行时才能同时推导按需分配尺寸与精确回放目录。
关键区分是存与读的两个范围。包络范围是截断发生在推理之后所必须容纳的最大在途容量，决定分配多少字节；被读范围是下游真正读取的历史跨度，决定算子签名与形状种类数。在纯拼接实现中两者重合，但在流式流解码器中前视帧在包络内却在截断前丢弃，因此需要两个地址稳定区域：按被读范围保存的携带缓存与按包络范围分配的求解器工作区。
超额预留比的定义是预留包络除以声明存活范围，原文用下式给出，符号含义是分子为实现常量决定的预留，分母为配置字段算出的存活需求。
\[\rho_{r}=\frac{\text{reserved envelope}}{\text{declared live extent}},\]该式把内存浪费变成可核对的比值，论文报告该比值在不同区域为数倍到十余倍。常量按调用错误归因也会被计入编排松弛，因此适配器把主机侧频率表等常量迁为设备常驻且逐位一致的缓冲，避免每次调用重复传输。
编排松弛 × 超额预留比： 编排松弛分工是度量主机逐个下发小算子时设备空等的墙钟占比；超额预留比分工是度量按静态常量预留与按声明存活需求之比。搭配理由是前者决定单会话能否赶上每秒节拍，后者决定单卡能同时驻留多少会话，组合意义是说明延迟与容量是同一缺失信息的两个投影，必须用同一声明同时治理。
沿样本继续走，输入语音词元先进入上采样编码器，再进入求解循环与声码器。状态规则保证求解循环每次看到的保留历史来自同一地址，计算规则保证每次调用的形状都能在目录中找到精确签名，两者缺一都会让流水退回慢路径。
携带缓存与精确回放分别如何落地？
状态规则的核心机制是携带缓存：一块在流生命周期内地址不变的缓冲，保留历史通过原地写回落入其中，而不是每次拼接分配新张量。设存活缓存为当前拼接结果，携带缓存为固定长度目标，论文用拼接语义定义写回的内容等价性，左右两边数值逐元素一致，但一侧写入已有存储，另一侧每次分配新存储。
\[C[\,\cdot,0{:}L\,]\;\longleftarrow\;H[\,\cdot,0{:}f_{\text{retained}}\,]\;\|\;H[\,\cdot,\ell{-}f_{\text{prompt}}{:}\ell\,],\]上式中切片索引遵循该模型族的前置历史加尾部提示的布局，验证模式会把原拼接路径与新路径逐次并排执行并逐元素比较，论文报告在匹配块上全部保留操作一致，回合边界的重置也原地写入已有存储。
按需定址状态 × 精确形状回放： 按需定址状态分工是把存储压缩到声明需求并把指针固定在单一地址；精确形状回放分工是把重复调用按精确几何录制为整体下发以消除逐个发射的等待。搭配理由是前者为后者提供可冻结的内存包络，后者让前者在零发射开销下执行，组合意义是单独使用一侧只能改善内存或延迟中的一侧，只有耦合才能同时改善两侧。
计算规则的核心引擎是精确形状回放。设可达被读范围与非范围配置映射到完全特化的张量签名，保留策略保证签名空间与会话时长无关。对共用合成模块，被读范围沿网格推进直到截断锁定在保留界，得到 3 个形状类；环形缓存为一类，另 1 流策略为两类。部分冲刷可能落在网格之间，但准入谓词以块上界兜住，保证仍在可预枚举目录内。
\[\displaystyle\mathcal{K}(o)\]准入分 3 条：签名必须命中目录，写穿区域的指针必须稳定，副作用必须分类。主机随机数会被冻结为常量而永久拒绝，设备随机数因按调用时钟确定性推进而允许，并通过快照恢复保证首次回放抽到与逐个执行相同的序列，这使得每调用抽样的声码器谐波发生器也能被纳入。
携带缓存 × 包络范围： 携带缓存分工是以固定地址跨块传播被读历史；包络范围分工是为容纳先到后截断的新帧所需的物理容量。搭配理由是截断发生在推理之后，新帧必须先能放入缓冲，而下游只读其中一部分，组合意义是区分两者才能既不破坏正确性又不把臃肿包络冻结进执行计划。
内存预留的分解式说明为何两规则耦合：总预留等于每类非别名输入的暂存之和，加上被冻结写穿包络。状态规则收缩后一项，别名消除前一项。
\[M^{\mathrm{reserve}}_{o}=\sum_{\kappa\in\mathcal{C}_{o}}\sum_{x\in\mathcal{I}_{o,\kappa}\setminus\mathcal{A}_{o,\kappa}}\!\!\operatorname{bytes}(x)\;+\;\sum_{r\in\mathcal{W}_{o}}\beta_{r}\!\prod_{j\leq d_{r}}\!A^{\dagger}_{r,j},\]目录宽度的上界式说明何时精确特化划算：保留窗口除以推进步长再加一，非范围配置的乘积为上界。窗口为 0 或步长与窗口同量级时种类很少，单位步长推进的长窗口则种类爆炸。
\[K_{r}=\big\lceil W_{r}/s_{r}\big\rceil+1,\qquad|\mathcal{K}(o)|\leq|\mathcal{Q}_{o}|\!\!\prod_{r\in\mathcal{R}_{o}}\!\!K_{r}\]目录宽度 × 失败关闭准入： 目录宽度分工是刻画保留窗口内可达形状种类的数量；失败关闭准入分工是在签名、指针或副作用任一不满足时退回逐个执行。搭配理由是前者决定精确特化是否划算，后者保证特化只在证书成立时生效，组合意义是用可计算的上界圈定无损优化的适用边界，超出边界留给外层调度。
沿样本收尾，声码器核心之后的材料化段保持逐个执行，可选边流默认关闭。失配只付出单次逐个执行的延迟，其他已缓存图不受影响，查表只做整数与枚举比较而不检查张量数据。
本研究训练了什么、冻结了什么？
本研究没有训练任何语音模型，也没有更新权重、没有梯度路径、没有监督损失。所有模型均为已发布权重，原样调用。论文明确把逐字节一致作为调用前检查的不变量，而不是事后抽样经验性质。未报告训练超参数不是缺项，因为复现不需要重新训练。
真实计算过程是运行时构造与捕获：在推理流量到达前，按声明推导需求尺寸并分配固定地址缓冲，枚举可达形状目录，对每个可捕获可调用按精确签名录制图。捕获成本被报告为 1 次性预热，目标段的多个类在 3 类被调用上花费数秒，不计入测量窗口。适配器只做声明与绑定，不命名具体算子之外的模型细节。
推理时每调用只做查表，不检查张量数据，不占用设备。失配则该可调用退回逐个执行并计数原因，其他已缓存图不受影响。随机数状态在试探调用后立即回绕以保持透明，捕获时确认确定性分发与流事件依赖。关键信息条件是相同权重、相同确定性核设置与相同协议，比较必须在同一轮内进行。
在什么硬件与协议下比较才算公平？
主要结果在 40 GB 显存的加速卡上测得，析因、服务点与端到端在另一款大显存卡上重跑以考察跨代行为。评估 4 类负载：2 个模型共用的流式合成管线、端到端全双工、多架构的有界编解码器、共享权重的多会话并发。块数、种子、块预算与核设置按原文固定。
协议是匹配块：同一块内所有变体看相同种子、相同输入流与全新进程，报告块内中位数再跨块聚合，并给出配对区间。峰值分配是缓存分配器的进程峰值，因此所有常驻回放绑定与暂存都被计入。基线是按发布原样运行的栈，其录制快速路径存在但从不触发，实际是逐个发射。
精确性门禁在测量前注册：分段实验比较波形流的哈希，整系统实验还比较词元标识序列与离散控制字段。非精确对照被明确标注。不同测试架的绝对时间不可比，因此每个比较都在同一轮内、相同核协议下进行，且采用对本方法最不利的现货核协议。资源状态方面，本次未发现来源绑定且完成验证的资源，因此不得声称代码、模型或数据已公开，只能按论文文字复述实现栈与待发布表述。
瓶颈定位与编排开销是否测准？
下面这张瀑布图先回答瓶颈定位：自回归两段已占满 1 秒，合成尾段把总时间推过节拍，适合作为优化主战场，纵轴是流逝毫秒，横轴是各阶段与总计。
看图路径： 1. 先确认纵轴是流逝毫秒、横轴是各阶段与总计的排列顺序；2. 再找到红色一秒节拍虚线与总柱超出部分的比例标注；3. 比较自回归两段与合成尾段各自占用的高度与百分比
论文图 2。原论文 Figure 2.：“Stage time breakdown for one full-duplex second.”。
从像素可见，纵轴从零到上 1000 毫秒，横轴从语言主干、语音词元解码、流解码器、声码器、单元收尾、视觉音频编码器排到总计，红色虚线标出 1 秒节拍，总柱高出虚线并标出超期比例。自回归两段合计已接近 1 秒，尾段是压垮截止期的增量，视觉音频编码器等段相对较小。
要判断延迟主要来自等待而非算力，需要看设备忙时与墙钟的差值。下表把逐个执行与回放的墙钟差作为主机引入延迟的直接度量，指标方向是墙钟越小越好、设备忙时占比越高越好，公平条件是同一块、相同核序列与相同形状。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 同一块流解码 | 设备忙时 | 103.7 ms | 103.7 ms | 逐个执行墙钟 241.2 ms |
| 同一块流解码 | 空闲占比 | 57–65% | 少于 1 ms 残留空闲 | 回放后墙钟 |
表后解释篇幅需要足够长以满足相邻段落要求。设备忙时在两种执行臂中保持一致，说明核序列相同，墙钟差即被消除的编排开销，回放后残留空闲不足 1 毫秒。代价是这种测量依赖精确回放保持核发射数一致，若核库非确定则结论不成立，论文因此用哈希一致与发射数核对作为前提。未胜出项是自回归行的巨大理论倍数仍在无损范围之外，本表不主张它们被加速。
系统架构图说明捕获放在哪里、守门如何失败关闭，读完有助于理解下一张端到端表的准入数字，图中 3 段从声明捕获到单块运行再到音频输出纵向排列。
看图路径： 1. 先沿顶部一次性声明与捕获平面找到区域合约到图缓存的箭头；2. 再沿中部单块运行确认稳定携带缓存的零拷贝别名与原地写回位置；3. 最后确认底部可选边流虚线与默认关闭标注的含义
论文图 3。原论文 Figure 3.：“DuplexCadence system architecture. Adapters declare native clocks, retention rules, and address-stable regions for demand-sized storage and a finite shape catalog.”。
从像素可见，顶部是 1 次性声明与捕获，输出每个可调用的图缓存，中间经过捕获证书与随机数快照恢复；中部是单块运行，主干为上采样编码器、整体求解循环与声码器核心，每个都有签名加指针守门，左侧稳定携带缓存以零拷贝别名接入并在图外原地写回，右侧是固定工作区；底部是音频输出，边流路径为虚线且默认关闭。失配则该可调用走逐个执行后重新汇入，不影响其他图。
合成尾段与整机分别快了多少、省了多少内存？
端到端问题是分段收益能否在与大主干与视觉编码器共享设备时存活。下表是原表选择的定量结果，保留了基线、仅回放与全量方法，指标包括合成段延迟、进程峰值与一致性哈希，延迟与峰值越小越好、哈希必须一致。表前公平条件是同一加速卡、匹配块、确定性协议成组，比较对象是实际可运行策略。
| deterministic protocol | deterministic protocol | deterministic protocol | deterministic protocol |
|---|---|---|---|
| Synthesis segment (ms) | 201.7 | 72.4 | 72.2 |
| Peak allocation (MiB) | 23,545 | 26,746 | 21,198 |
| Token and PCM SHA | — | exact | exact |
表后解释需要覆盖主要收益与具体代价。合成段从 200 毫秒量级降到七十余毫秒，与独立段的加速比在百分之几内相互印证；进程峰值下降约 10%，而仅回放反而上升约 10%，两臂在延迟相近时相差数吉字节，说明内存收益来自状态规则。代价与反例是无缓存的提示预热按构造走逐个执行，因此主张的是典型单元而非每个单元，另一张容量图把内存节省转化为可行性。
现货协议下的节拍达成是第二组原表，同样保留基线与全量方法，指标是平均、中位与尾部分位相对 1 秒节拍的位置，越小越好，公平条件是现货核协议且无跨架替换。
| stock protocol (cadence) | stock protocol (cadence) | stock protocol (cadence) | stock protocol (cadence) |
|---|---|---|---|
| SPEAK mean (ms) | 1,141 | — | 976 |
| vs. 1 s cadence | +14.1% | — | −2.4% |
| SPEAK p50 (ms) | 1,169 | — | 994 |
| SPEAK p95 (ms) | 1,312 | — | 1,134 |
表后解释同样需要足够长度。平均单流从高于节拍 10% 以上变为低于节拍百分之几，中位数也刚好压线，但尾部分位仍超期，因此主张的是典型单元而非每个单元。剩余超期来自目录宽度分析放在无损范围之外的自回归阶段。论文还报告整系统词元序列与波形哈希全部一致，控制决策与回合边界作为离散字段匹配，捕获在窗口内的一类被计入本方法成本。
多会话容量把内存节省转化为可行性，下图在共享权重下测峰值分配与可行性，指标方向是同会话数下峰值越小越好，能完成比不能完成更重要。
看图路径： 1. 先区分混合负载与重说话负载两个面板的横轴与纵轴；2. 再比较基线与本方法随会话数上升的斜率与每点节省标注；3. 最后确认重说话四会话处基线缺测标记与本方法完成位置
论文图 4。原论文 Figure 4.：“Serving capacity under shared-weight multi-session concurrency.”。
从像素可见，左面板混合负载随会话数上升，两条线差距拉大并标出每点节省的吉字节数；右面板重说话负载在 4 会话处基线标为设备内存耗尽，本方法在约 26 吉字节内完成。论文报告多对匹配比较全部下降，混合 4 会话节省约九吉字节。限制是单会话上限使延迟增益读不出，服务质量区间太宽不支持主张，因此本节只主张峰值与可行性。
为什么必须两条规则一起上、粒度放粗才有效？
析因问题是单规则是否足以同时拿到延迟与内存。下表比较步时钟与块时钟下的状态规则与回放组合，公平条件是同一加速卡、匹配块、逐字节一致门禁，延迟与峰值都是越小越好，比较对象是实际可运行的组合策略。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 有状态规则 | 峰值内存 | 3,109 MiB | 2,972 MiB | 同目录 3 类 |
表后解释需要写出主要收益与具体代价。有状态规则时把绑定从步放粗到块，延迟下降且峰值也下降，因为别名消除了按类克隆堆叠携带缓存的暂存；无状态规则时放粗反而使峰值大涨且延迟微升，因为未别名输入每调用重暂存，把内存膨胀变成关键路径上的带宽瓶颈。反例是仅状态规则几乎无加速，仅回放则峰值上升，两种单规则失败方向相反，支持互相使能的判断。论文还分解总降幅中求解循环、随机声码器与编码器胶水的贡献，基本填满所测编排松弛区间。
对照编译器与厂商图的控制实验进一步收束：缩减开销模式在扩散循环内中止或破坏流缓存语义，最大调优反而更慢，说明瓶颈不在核计算效率；把桶修到存活尺寸可降延迟但仍慢四成且更大，填充执行改变归约树而失去精确保证。这些失败条件共同说明填充与多态分发不是本工作负载的正确形状处理方式，跨代重跑也复现了单规则失败方向。
跨架构泛化是否成立、通用性代价是什么？
跨架构问题是原生时钟思想是否只适用于一套代码。下表比较不同解码器上的加速与一致性，条件是各自的实时预算与逐个执行基线，加速越大越好但必须同时逐位一致，公平条件是同一输入流与匹配块。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 单帧实时 | 帧预算 | 80 ms | 80 ms | 厂商图 4.97× |
| 单帧实时 | 适用性 | 逐个执行 | 通用回放恢复大部分增益 | 定制包装 |
表后解释需要足够长度以满足相邻段落要求。厂商环形缓冲本身已把状态限定得很小，因此回放几乎不增加内存，这从反方向印证了回放开销取决于状态是否有声明约束。通用精确回放用一百余行适配恢复定制优化的大部分降幅，且保持逐位一致。未胜出项是通用版仍慢于厂商专用包装，说明通用性有代价；另一生成器加速较小，提示窄目录但核本身较轻时收益上限不高，跨架构证据因此是支持而非夸大。
哪些情况不在无损范围内、还缺什么验证？
论文报告的限制是明确的。第一，无损特化受目录宽度约束，单位步长推进的语言主干目录宽达上 1000 类，语音词元解码虽空间宽度小但查询长度随流量变化，两者都在范围之外，留给外层服务调度处理。这不是实现疏漏，而是精确特化在该调用约定下需要过多类别。
第二，并发评估用较短窗口，服务质量区间宽，不支持服务质量主张；跨会话连续推进的协调仍是开放问题，本文只做进程级分时复用。第三，覆盖上有缺口：无缓存提示预热与回合边界指针失配按构造走逐个执行；把声明推广到大模型键值缓存同样受目录宽度限制。
第四，确定性包络继承确定性核库，未固定的逐个基线会漂移，因此复现必须固定核设置与种子。缺失证据不是技术错误，例如未测量误判率与端到端听感评分时，不应把逐字节一致直接等同于感知质量提升，只能说交付伪影未被改变。总体趋势不等于每组都成立，尾部仍需单独考察。
要复现应先做什么、保留哪些关键参数？
复现先做声明核对：从发布配置读出提示帧、保留帧、块帧、调用帧与求解步数，以及每词元上采样帧数，推导被读范围 3 类与包络尺寸，再检查准入谓词与地址稳定区域是否与代码绑定一致。这一步不跑模型，只核对配置与代码是否对齐。
第二步跑影子审计：让原拼接路径与携带缓存写回并排执行并逐元素比较，覆盖回合边界，确认布局是历史在前、提示在尾的前置顺序。若用追加顺序实现，前两块可能碰巧一致而第三块在驱逐触及提示尾时发散，审计会定位到保留例程。该审计是论文验证等价性的关键操作。
第三步在流量外完成捕获并报告预热成本，测量窗口内不计入；运行时统计每可调用的命中、失配与指针失效计数，失配只付出单次逐个执行的延迟。关键信息条件是相同权重、相同确定性核与相同协议，比较必须在同一轮内进行。由于本次未获得可验证的公开资源，不应预设代码可下载，应按论文文字从适配器与引擎接口重新实现。
何时值得尝试这种声明式运行时？
当会话内阶段串行、结果必须按严格节拍交付、且固定发射开销无法靠批处理摊薄时，值得尝试把速率与保留界显式声明给运行时。适用信号是配置中已有固定速率与有界保留，且推进步长与窗口相比不至于产生上千形状类；不适用信号是单位步长长窗口或查询长度随流量变化。
本研究的特有误解需要澄清：快不是因为核更快，而是设备不再空等；省不是因为丢历史，而是原来就没有被读取；一致不是事后抽检，而是每次调用前的证书与失败关闭。另一误解是图越大越好，实际上块粒度只有在状态已按需定址时才同时更快更省，否则只是把膨胀冻结得更结实。
收束判断是：在共享解码器上，典型单元从超期约 10% 变为压线以下，多会话可行性从内存耗尽变为可完成，代价是 1 次性捕获与多类图缓存的常驻内存。还需补的验证是更长会话与更复杂打断下的尾延迟，以及与跨请求调度组合后的整机服务质量。只有补上这些，才能把分段与可行性增益完整换算为产品级容量。
📎 论文与评分元数据
排名：前25% | 文档类型：系统技术报告 | 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