英文题目：Whisper-Flash: Acoustically Conditioned Parallel Drafting for Faster Whisper Decoding
标签：#语音识别 | #动态计算与早退 | #语音 | #高效推理
评分：7.6/10 | 创新 1.5/2 | 技术严谨 1.3/1.5 | 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
- Huapeng Zhou：机构信息未在 arXiv HTML 中可靠披露
- Huayu Wang：机构信息未在 arXiv HTML 中可靠披露
- Junkai Wu：机构信息未在 arXiv HTML 中可靠披露
- Kangqi Wang：机构信息未在 arXiv HTML 中可靠披露
- Xinyu Wang：机构信息未在 arXiv HTML 中可靠披露
📌 核心摘要
Whisper编码器单次并行读取最长30秒音频并输出声学特征，32层解码器却需逐词元自回归生成转录文本，解码端访存与串行等待主导推理耗时。Whisper-Flash首先冻结Whisper large-v3编码器得到声学记忆A并复用已验证目标解码器状态得到历史记忆H，为后续并行猜测提供双路条件。接着2层60.7M可训练草稿器以已发声锚点加8个可学习掩码向量经块内双向自注意力读历史、交叉注意力直读音频，一次并行提出8个候选词元。最后冻结目标解码器以一次因果前向验证全部候选并保留最长一致前缀，在首个分歧处用目标词元纠正、全接受时追加奖励词元，纠正词元成为下一轮锚点并推进缓存。与Medusa等多头并行草稿器共用当前位置单一向量不同，每个掩码位置拥有直达历史与未来音频的独立查询，因而能从已发声内容定位尚未写出的词元。在完整LibriSpeech测试集下，Whisper-Flash的吞吐指标为192.80音频秒每秒，高于贪心解码的吞吐指标60.98音频秒每秒。推理开销方面，单请求贪心对比在单块H100硬件上测得上述吞吐，批量96时编码器占比升至约一半致加速回落，其适用边界受限于英文朗读短语音离线转录场景。局限为英文朗读、已知语言无时间戳、无束搜索与长文分块验证。
🔗 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
Whisper 为什么编码很快、写字很慢？
输入是一段最长 30 秒的语音，目标是输出对应的英文转写词元序列。Whisper 先用编码器把整段音频的对数梅尔特征 1 次并行编码为声学表示，再用 32 层解码器逐个词元向外写转写，每写一个词元都要跑一遍全部解码器层。必须保留的信息是编码器只占贪心解码总时间约百分之几，解码循环才是主导成本，且每步算术量小、开销主要来自读权重与启动大量小算子。本文输出是一套可复述的加速方法：保持输出不变，用 1 次大模型调用发出多个词元。
对刚入门的读者，白话是编码如看完整张考卷，解码如逐字抄答案。抄写慢不是因为每个字难想，而是每次提笔都要把整套工具搬出来 1 次。若能 1 次提笔多抄几个已在卷面上出现的字，就能省下多次搬运。语音转写的特殊处在于未来要写的词已经说出并被编码，这为同时猜多个位置提供了依据。
学习依赖上，先要理解编码器解码器分工与自回归生成，再理解推测解码的提议加验证框架，最后才能理解为什么并行起草在语音里比在开放文本续写里更容易。本解读按此顺序展开，例子仅为教学虚构，不代表论文数值。
同任务有哪些起草路线？差别在哪里？
同输入同目标的工作都是给 Whisper 做推测解码。第一类是自回归起草器，例如把解码器蒸馏为两层并共享编码器的蒸馏方案，以及可用自带编码器的加速变体与基于循环起草器的方案。它们的优点是逐词看到前文因而猜得较准，代价是猜多个词需要多次串行起草步骤。第二类是并行起草器，例如在当前位置用多个头同时预测未来词的方案及其用于 Whisper 的变体。它们 1 次前向给出整块，但早期做法让所有头只读当前位置的一个向量。
第三类是面向语言模型的块起草器与树形扩展，特点是让一块掩码位置去注意目标多层特征，但原文指出它们面向未来不可观测的语言模型。第四类是从音频出发的流匹配识别器，以 2 次函数求值起草，但不使用目标状态。Whisper-Flash 的位置是让每个待提议位置同时拥有自己的历史查询与音频查询，既不同于只读单向量的多头，也不同于只用目标特征或只用音频的做法。
公平对照上，论文把已发布检查点与其各自贪心基线比较，不把跨底座与跨引擎的绝对吞吐直接当同条件胜负。类别差异本身不是胜负证据，后文结果节会保留各自基线与词错率变化。
要解决的瓶颈是什么？什么算成功？
问题是解码器逐词元调用次数太多。设音频为输入，已发出转写为前缀，贪心 Whisper 的下一步是取目标分布最大者。成功标准有两层。贪心模式下要求词元标识完全一致，包括标点与结束符，吞吐以每秒处理的音频秒数衡量，加速比是对同音频同批量贪心解码的比值。采样模式下要求在精确算术下保持目标分布，允许具体抽样文本不同，但吞吐仍需显著高于同目标自回归采样。
举例说明流程而非数值：假设已接受前缀是教学虚构的 3 个词，锚点是其中最后一个词，起草器并行给出后面 8 个词的猜测，验证器逐个比对，接受一致前缀并在首个分歧处纠正。这个例子只帮助建立输入到输出的顺序感，后续组件节会给出原文的真实动作与缓存规则。
还需明确边界：编码器的固定 30 秒窗口开销无法被推测解码减少，短语音本身词元少因而加速空间小，大批量会让图形处理器更忙而留给投机的空闲更少。这些条件决定了加速比随长度与批量变化，后文实验会分别测量。
Whisper-Flash 一轮走完：提议、验证、前进
沿一个样本走完输入到输出。输入音频先由冻结编码器编码 1 次得到共享声学状态，解码提示词经预填充得到首个转写词元作为首个锚点。每轮输入是锚点嵌入加 8 个可学习掩码向量的拷贝，起草器 1 次前向输出 8 个候选词元。验证器把锚点加候选送入冻结 Whisper 做 1 次因果前向，得到每个位置的目标预测，从前向后保留一致前缀，在首个不一致处输出目标自己的词元，若 8 个全对则额外采样一个奖励词元。纠正或奖励成为下一轮锚点，只有旧锚点与被接受候选进入目标缓存与起草器历史，被丢弃的后续猜测不进入。
推测解码 × 并行起草： 推测解码负责定规则：小模型先猜一段候选，大模型一次前向全部验算，只保留它自己也同意的最长前缀，从而在不改变输出的前提下一次走多步；并行起草负责定成本：把 8 个位置放在一次前向里同时猜出，避免自回归起草器猜 K 个词就要串行跑 K 步，二者搭配的理由是 Whisper 解码每步多为访存与小算子开销，一次验多个词几乎不贵，组合意义是把解码瓶颈从调用次数转移到猜准率。
该设计的安排理由是语音的未来已说出。语言模型续写面对开放未来，并行位置缺少前文猜测只能靠当前状态外推；语音识别的未写词已在编码音频中，只要每个位置能看到音频的正确片段，就能直接读出而非发明。音频本身不知道 Whisper 会怎么写以及当前写到哪里，因此还需目标解码器隐状态补齐写法与位置信息。冻结 Whisper 保留最终决定权，保证贪心输出不变，论文逐词元比对包括结束符加以确认。
起草器如何同时读历史与音频？
起草器是两层、约 60.7M 可训练参数的网络，从 Whisper 前两块解码器块初始化。它的两个记忆都来自 Whisper 已算出的量。声学记忆是编码器输出，历史记忆是目标解码器在锚点之前已接受位置的残差流，取自第 1、8、15、22、29 块共 5 层，拼接后投影到起草器宽度 1280。由于验证本来就会产生这些状态，起草器总结前缀不增加额外大模型成本。编码器、目标解码器、词嵌入与输出头冻结并共享，只有小网络学习预判识别器。
声学记忆 × 历史记忆： 声学记忆指 Whisper 编码器对整段音频的一次性编码输出 A=E(x)，它的分工是告诉起草器后面还没写出的词已经在音频的哪个位置；历史记忆指目标解码器在已接受位置留下的多层隐状态 H<t，它的分工是告诉起草器当前转写走到哪里以及 Whisper 会用什么写法，二者搭配的理由是只看音频不知道拼写与断句习惯，只看历史则远处位置缺少声学依据，组合意义是每个掩码位置都能同时向历史与音频发起自己的查询。
具体计算上，每层先让块内查询在 1 次注意力归一化中同时注意历史与块自身，块内双向可见并用旋转位置编码标记文本位置，随后交叉注意读取声学记忆，再经前馈更新。历史与当前块构成 1 次注意力的键值，掩码位置能看到全部已接受历史、锚点与其他掩码位置，但看不到位于或超出自身锚点的历史。起草器有自己的声学键值投影，缓存的历史键保留显式位置索引以便跨轮复用。
锚点词元 × 验证与回滚： 锚点词元是最新已发出但目标模型尚未处理过的词 yt，它的分工是作为本轮起草与验证的起点；验证与回滚的分工是一次因果目标前向算出锚点加 8 个候选每个位置的预测，从前向后保留一致前缀并在首个分歧处用目标词元纠正，全对则多拿一个奖励词元，二者搭配的理由是只有把未处理锚点也送入验证才能对齐缓存位置，组合意义是每轮稳定前进 1 加接受数个词元并把旧锚点加接受词元写入缓存与历史。
贪心下一步的目标定义如下，符号含义是音频、已发前缀、目标分布与词表遍历：
\[y_{t+1}=\arg\max_{v}p_{\mathrm{target}}(v\mid x,y_{\leq t}).\]该式说明验证的金标准是什么：每 1 位置的目标最优词。起草器的输入块构造如下，符号含义是共享词嵌入、可学习掩码向量与共 8 个位置：
\[X_{t}=[\operatorname{Emb}(y_{t}),m,\ldots,m],\]该式说明并行从何而来：8 个位置没有串行依赖，1 次前向各自预测自己的词。目标状态虽含声学信息，但原文指出它们是为预测紧邻下一词算出的，更远位置需要直达音频的独立通路，这就是交叉注意存在的理由。
起草器学谁的输出？损失如何偏向靠前位置？
训练目标不是人工参考文本，而是冻结 Whisper 自己的贪心续写，因为只有与目标一致才算接受。做法是先用冻结 Whisper 以教师强制方式跑出续写词元与历史特征，排除达到长度上限或少于两个词元的轨迹。每条语音最多贡献 16 个无放回抽样的锚点块，打包时每块只能看到严格位于自身锚点之前的历史，看不到另一块。
损失对 8 个位置用随距离衰减的权重，越靠前权重越大，理由是只有前面全对，后面猜对才计数。权重形式是指数衰减，分母为权重归一化，分子为权重乘以对数概率：
\[\mathcal{L}=-\frac{\sum_{b,j}v_{bj}e^{-(j-1)/4}\log q_{\theta}(y_{t_{b}+j})}{\sum_{b,j}v_{bj}e^{-(j-1)/4}},\quad j=1,\ldots,8.\]该式是加权负对数似然，位置从 1 到 8，掩码用于填充与结束符后标签。检查点按验证集平均接受前缀长度选择，而非只看训练损失。训练分 2 个阶段：先在 94.5 小时的训练干净子集上训练 40,000 步，再以更低峰值学习率在 1126.6 小时的混合池上继续 80,000 步，混合池按比例采样干净、其他、演讲与议会语音，实际见到 656.5 小时不重复音频。消融用三者仅用第一阶段并固定相同种子与锚点抽样，以保证条件一致。
推理执行上，预填充、起草与各长度验证均用计算图捕获重放，贪心基线走同一图捕获目标，因此加速来自每调用多发词元而非去掉启动开销。输出预算上，若剩余多个词元则留一槽给目标自己的词元；接受结束符则直接结束而不取奖励。
在什么数据、基线与计时口径下比较？
目标是半精度大版本三 Whisper，转写已知英文语音且不带时间戳。训练用上述语音数据，测试用完整 LibriSpeech 测试集共 2620 条干净集与 2939 条其他集，单请求轮换方法顺序计时，16 条超 30 秒录音切为独立 30 秒段且每段至多 432 词元。批量实验用 64 段共 427.2 秒与 192 段共 1286.7 秒两组开发音频。硬件为单张 80 GB H100，2 次预热加 3 次计时。单条计时从图形处理器端对数梅尔特征到最后一个词元，批量计时从波形到文本，均不含文件读写、加载与图捕获。
基线是走同一图捕获目标的贪心解码，批量比较另加常见引擎与批处理核心。指标方向是音频每秒与文本词元每秒越高越好，加速比为同音频同批量下相对贪心的值，置信区间来自 2000 次配对自助重采样。接受率与每调用词元数用于解释机制，输出相等按词元标识比较含结束符。采样实验固定温度且无回退，只做固定温度采样，不含温度回退、束搜索或最优选择。
资源状态方面，本次未发现来源绑定且完成安全验证的资源，不得声称代码模型或数据已公开。论文正文亦未给出可验证的公开链接，因此复现只能按方法描述重建训练与推理，不能依赖下载权重。
完整测试集与批量扩展：快多少、何时变慢？
核心问题是完整测试集上相对同图贪心的吞吐与一致性，公平条件是同一硬件、同一目标、同一计时口径，指标越高越好。论文报告干净集与其它集的加速倍数与置信区间，全部 5559 条转写在每次重复中与贪心词元完全一致。按时长看，短语音加速较小，长语音加速较大，原因是编码器固定窗口开销在短语音中占比更大。
批量问题是加速比能否保持到大批量。以下原表给出 64 段开发音频上批量 1 到 32 的文本与音频吞吐及同批量加速比，表前已说明比较对象与计时从波形到文本，指标方向为越高越好：
| 64 development clips (427.2 s) | 64 development clips (427.2 s) | 64 development clips (427.2 s) | 64 development clips (427.2 s) | 64 development clips (427.2 s) | 64 development clips (427.2 s) |
|---|---|---|---|---|---|
| 1 | 181.7 | 51.93 | 530.8 | 151.68 | 2.92 |
| 2 | 266.7 | 76.22 | 765.4 | 218.71 | 2.87 |
| 4 | 397.8 | 113.69 | 1052.0 | 300.64 | 2.64 |
| 8 | 554.8 | 158.54 | 1270.4 | 363.04 | 2.29 |
| 16 | 680.3 | 194.42 | 1413.3 | 403.88 | 2.08 |
| 32 | 809.7 | 231.37 | 1577.5 | 450.80 | 1.95 |
表后解释是 Whisper-Flash 随批量增大文本与音频吞吐都上升，但相对贪心的领先倍数从接近 3 倍收窄至接近 2 倍。在 192 段集合上更大批量时稳定在约 500 音频秒附近，仍快于贪心，而批量 96 时编码器已占其约一半时间。这些为静态离线批量，不是流式延迟结论。
下表补齐各引擎绝对吞吐，是上图与上表背后的完整数据，同样从波形到文本，数值越大越好，比较时需注意各自前端与解码实现是否一致：
| 64 development clips | 64 development clips | 64 development clips | 64 development clips | 64 development clips |
|---|---|---|---|---|
| 1 | 19.26 | 38.33 | 51.93 | 151.68 |
| 2 | 26.66 | 55.72 | 76.22 | 218.71 |
| 4 | 36.15 | 82.02 | 113.69 | 300.64 |
| 8 | 47.13 | 104.71 | 158.54 | 363.04 |
| 16 | 55.46 | 121.77 | 194.42 | 403.88 |
| 32 | 63.70 | 139.37 | 231.37 | 450.80 |
表后需指出未胜出项：在批量 32 时常见批处理核心与另一注意力实现的音频吞吐均低于同批量贪心与 Whisper-Flash。批处理核心因自带前端改变了部分转写，其词错率与贪心不同，不能把绝对吞吐直接等同于同输出加速。
下图导读面向初学者：横轴是批量大小从 1 到 32，纵轴是每秒处理的音频秒数，4 条曲线分别对应两种基线引擎、图贪心与 Whisper-Flash，观察重点是相对高低与间距随批量的变化趋势：
看图路径： 1. 先看横轴批量大小从 1 到 32 与纵轴音频秒每秒，确认四条曲线的整体高低顺序；2. 再比较 Whisper-Flash 曲线与图贪心曲线的垂直间距随批量增大是收窄还是拉开；3. 最后观察 HF SDPA 与 faster-whisper 核心曲线在批量增大后是否很快走平
论文图 2。原论文 Figure 2:：“Throughput versus batch size on the 64 development clips of Table 1, timed from waveform to text.”。
图中可见 Whisper-Flash 曲线始终在最上方并随批量继续上扬，图贪心居中缓慢上升，另两条基线曲线位置更低且上升更平缓。随批量从 1 增至 32，Whisper-Flash 与贪心的垂直差距绝对值仍在，但相对倍数收窄，这与批量让图形处理器更忙、投机可利用空闲减少的解释一致。像素不能精确读出每点小数，准确数值以表格为准，趋势解读止于批量 32 的开发集范围。
接受率 × 每调用词元数： 接受率 alpha 指起草提议中被目标接受的比例，它的分工是衡量猜得准不准；每调用词元数 tau 指每次昂贵目标调用平均发出多少词元，它的分工是把准确率折算成步数收益，二者搭配的理由是光看接受率会忽略奖励词元与纠正词元的贡献，组合意义是只有 tau 明显大于 1 且起草足够便宜，音频每秒吞吐 SG_G 才会显著大于 1。
编码器占比表进一步说明代价来源，批量 1 用长度分位代表请求，大批量用完整组，百分比为编码器占请求时间份额，份额越大说明解码加速后编码瓶颈越突出：
| Batch | Request or group | Greedy (%) | Whisper-Flash (%) |
|---|---|---|---|
| 1 | p25 length | 12.01 | 34.19 |
| 1 | p50 length | 8.51 | 20.94 |
| 1 | p90 length | 4.94 | 15.30 |
| 32 | group 0 | 29.25 | 50.01 |
| 32 | group 5 | 29.60 | 55.82 |
| 96 | group 0 | 30.23 | 52.04 |
| 96 | group 1 | 37.14 | 57.59 |
表后解释是去掉多数解码调用后固定编码成本更显眼：批量 1 时贪心编码占百分之几而 Whisper-Flash 占更高比例，大批量时达一半左右。在批量 96 的两组中验证调用大幅下降，因此大批量下进一步加速须优化编码器而非解码器。
两个记忆谁更重要？采样下还快吗？
消融问题是声学记忆与历史记忆各自贡献多少，公平条件是相同初始化、数据、种子与预算，各自独立任务计时且输出均与贪心一致，指标为接受率、每调用词元数、音频吞吐与加速比，越高越好。采样问题是同一未改动起草器在不同温度下相对同目标自回归采样的吞吐，条件为相同词元压制与温度缩放、半精度运行而单精度算接受概率，每个位置独立抽样。
整理表综合论文连续原句中的关键数字，单位与精度保留原文写法，加速均为相对同条件贪心或同目标自回归采样，不跨条件比较：
| 条件 | 关键数字 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 双记忆消融 | 接受率与加速比 | 贪心解码 | 47.37% 与 2.81 倍 | 音频加历史 |
| 去掉直达音频 | 接受率与加速比 | 贪心解码 | 16.48% 与 1.69 倍 | 无直达音频 |
| 去掉目标历史 | 接受率与加速比 | 贪心解码 | 30.15% 与 2.30 倍 | 无目标历史 |
| 温度采样 | 吞吐增益与接受率区间 | 自回归采样 | 2.67-3.09 倍 | 57.5% 降至 44.8% |
表后解释是双记忆接受率最高且加速最高，去掉目标历史后接受率与加速比都下降，去掉直达音频则下降幅度更大，尽管历史仍携带目标的音频信息。该差距支持论文前提：并行起草器须在音频中前视。采样侧从低温到高温接受率缓慢下降，但增益始终高于 2.5 倍。负结果是其中一个温度处词错率差区间不含零，其余温度区间多含零，说明采样文本差异主要来自抽样波动而非系统性变好。
贪心解码 × 温度采样： 贪心解码指每步取目标概率最大词元，它的验证标准是词元标识完全一致；温度采样指按温度缩放后的分布抽样并用 min(1,p/q) 接受率与残差重采样保持目标分布，它的验证标准是分布一致而非单次文本一致，二者搭配的理由是前者检验加速是否无损，后者检验起草器在随机性下是否仍有用，组合意义是说明同一个未改动的起草器在两种推理规则下都保持加速。
与最接近的并行起草器比较时，论文报告其官方接受规则增益较小但词错率上升，保持精确严格最大则增益更小，而 Whisper-Flash 增益更大且词错率不变。该比较跨不同底座与不同引擎，只能说明在各自精确输出约束下的可用增益，不能读作同底座同引擎的逐项胜负。未评测边界包括其他语言、长音频、束搜索与回退策略，结论限于已知英文与固定温度采样。
哪些条件会削弱结论？原文自己说了什么？
首先是编码器不可加速。论文明确编码器固定窗口成本在短语音与大批量下占比上升，短语音加速较小，批量 96 时编码器约占一半时间。这意味着总体趋势不等于每组都成立，单条长语音收益最大，短语音批量服务需另算编码优化。其次是引擎与前端一致性。批处理核心自带特征前端会改变部分转写，换用自有特征后差异大幅减少，因此跨引擎绝对吞吐比较须同时核对词错率与文本一致性，不能只看音频秒。
再次是图捕获带来的微差。图捕获贪心与急切执行在开发音频中有两处句末标点因半精度最大并列不同，归一化词错率相同，Whisper-Flash 复现的是图捕获词元。这提醒复现时必须以同一图捕获目标为金标准，而非任意实现的贪心文本。最后是统计与范围。加速比区间来自配对自助，采样词错率区间为逐温度点且未跨温度校正，只有一个温度点排除零，不能推广为采样质量提升。
其他领域、语言、长音频与束搜索原文列为未评测，相关性不作因果承诺，未测量逐词延迟与成本时不承诺这些量改善。
要复现应先做什么？需要哪些超参数？
先重建数据与标签管线。用干净子集起步，冻结大版本三 Whisper 以教师强制生成贪心续写与 5 层历史特征，过滤长度受限与过短轨迹，每语音无放回抽至多 16 个锚点，打包时掩码只能注意严格先于自身锚点的历史。起草器从前两块解码器初始化，宽度 1280，历史拼接投影，旋转编码用单精度相位与显式文本位置，块大小 8，损失指数衰减。
优化器用自适应优化器，小批量，峰值学习率第一阶段较高、预热加余弦衰减、梯度裁剪，单精度参数加混合精度，数万步并在留出说话人的验证集上按平均接受前缀选择检查点。第二阶段以更低学习率在混合池继续更多步数。推理需预分配缓存与张量位置并捕获预填充、起草与各验证长度的计算图，每请求重编码音频并刷新声学键值，被拒位置保留分配但掩码，剩余词元时留槽给目标自己的词元，接受结束符不取奖励。
先验证贪心一致性再测速：单条从特征到末词元、批量从波形到文本，均做预热与 3 次重复并轮换顺序。采样复现须对起草与目标施加相同词元压制与温度缩放，单精度算分布与接受概率，每个掩码位置独立抽样以保留提议概率。缺项是原文未提供可验证的公开代码权重链接，本次亦未能确认可达，因此不能写当前可用，只能按上述信息条件重建系统可运行状态。
何时值得尝试？还需补哪项验证？
当任务是离线英文转写、底座为 Whisper 类编码器解码器、解码调用占主导且输出必须与贪心完全一致时，值得尝试声学条件并行起草。长语音与中小批量收益最大，短语音与超大批量应先评估编码器占比。若已有自回归蒸馏起草器，可比较其串行起草成本与并行块接受率的权衡；若考虑多头并行基线，应检查各位置是否拥有独立音频查询，而非仅读当前位置向量。
还需补的验证包括非英语与噪声域的接受率、长音频分段策略对一致性的影响、束搜索与温度回退下的分布保持，以及实际服务中的端到端延迟与显存随批量的变化，论文已给出大批量下峰值显存预算起点，可作为预算参考。教学上记住一句话：未来要写的词已在音频里，起草器的工作是读出而非发明，验证器的工作是守住自己的写法。掌握提议、验证、前进与双记忆分工，就能复述全文方法而不依赖修辞。
📎 论文与评分元数据
排名：前25% | 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