📄 双编码器互补而冲突时，用稀疏专家分开建模再融合
英文题目：UniAE-MoE: A Unified Audio Encoder via Mixture of Experts
标签：#音频理解 | #混合专家模型 | #指令微调 | #多任务学习 | #统一音频模型
评分：7.6/10 | 创新 1.2/2 | 技术严谨 1/1.5 | 实验充分 1.1/1.5 | 清晰度 0.7/1 | 影响力 1.1/1.5 | 开源 1/1.5 | 可复现 0.3/0.5 | 工程/实践 1.2/1.5
👥 作者与机构
- Shengbo Cai：机构信息未在 arXiv HTML 中可靠披露
- Zhisheng Zhang：机构信息未在 arXiv HTML 中可靠披露
- Zichao Nie：机构信息未在 arXiv HTML 中可靠披露
- Jing Peng：机构信息未在 arXiv HTML 中可靠披露
- Jingran Xie：机构信息未在 arXiv HTML 中可靠披露
- Zhiyong Wu：Tsinghua University, China
📌 核心摘要
统一音频编码器需在同一表征内兼顾语音识别、音乐分类与环境声字幕等异构需求，单一参数空间易在细粒度声学线索与高层语义间相互挤压，且20个任务数据量从数百到上百万严重不均衡。该工作选用Qwen2-Audio与Audio-Flamingo 3双分支，将特征序列经时间与特征维对齐后拼接归一化为复合向量，再由token级Top-2稀疏路由的SwiGLU专家与常开共享专家动态融合，经门控加权与RMSNorm得到统一表征。统一表征经投影送入SmolLM2-135M解码器做自回归文本生成，判别标签亦序列化为文本从而取消任务专用头，区别于单编码器与稠密共享适配器的关键在于按token解耦跨域表示并保留特征完整性。训练先冻结双编码器与语言模型只优化融合模块与投影器做语音与字幕语义对齐，再冻结编码器微调其余部分做全任务指令微调，并以任务特定数据缩放为情感、流派与字幕补充公开数据。在XARES-LLM基准下，UniAE-MoE的总体得分为0.802，高于拼接基线的总体得分0.778。FSD50K多标签检测与LibriCount计数仍偏弱且三编码器堆叠引入冗余，其适用边界受限于30秒截断预处理，长音频外推尚未验证。两阶段训练成本为三块NVIDIA L20 GPU上30000步与80000步，硬件约束下的推理开销与解码超参数影响尚未验证。
🔗 开源与复现资源
- 代码相关资源：https://github.com/Syclus123/UniAE-MoE — 链接可访问（HTTP 200）
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，要解决什么学习问题？
本文的输入是原始音频波形或其时频表示，覆盖语音、音乐与通用环境声 3 种域，目标是为大音频语言模型提供统一编码器，使同一套音频表示能支撑分类与生成两类下游任务。研究生首先要建立的概念是，大音频语言模型把音频编码器输出的连续特征映射到大语言模型的词嵌入空间，再与自然语言指令拼接，由语言模型自回归生成文本答案。传统做法常为每个任务加独立分类头，架构灵活性差且不利于跨域知识迁移，而单体稠密编码器要用同一参数空间同时表达精细时序线索与高层语义，容易出现域偏置。
为此作者把 20 个下游任务都改写为指令加回答的文本序列生成问题，判别任务的标签也被序列化为文本回答，训练与评测都走生成式协议，不再依赖任务特定头。评测基准是公开的二十任务集合，其中 15 个分类任务构成第一部分，5 个语音识别与音频描述任务构成第二部分，总分是所有数据集得分的宏平均。分类部分对单标签用准确率，对多标签用平均精度，语音识别部分用反转的字错率或词错率，描述部分用面向语义的评价指标，方向都是越高越好。理解这一协议才能复述后续所有数字，否则会把不同指标的数值误当成同一准确率。
必须保留的关键信息是，论文选择了两个已在该基准上表现最好的大模型编码器作为起点，并在其上做融合而非从零训练声学模型。代码当前可用，地址为公开仓库链接，本次资源状态显示可达。后续方法全景将说明双编码器如何对齐、如何路由、如何分阶段训练，实验部分将核对融合方式、激活函数与数据缩放各自的增益与边界。
已有路线为何不能直接拿来用？
与本工作同输入同目标的第一类工作是专用表示模型，例如面向音乐或通用的自监督编码器，它们在感知与分类上有效，但并非为音频到语言的生成式推理与指令跟随而对齐，直接接到语言模型时模态间隙较大。第二类是单体大音频语言模型自带的编码器，例如语音识别模型与多模态大模型的音频分支，它们已具备一定语义，但各自预训练分布不同，有的偏重语音音乐，有的偏重长音频与环境声，单独使用会保留域覆盖不足。
第三类是多编码器拼接融合，例如把两个编码器输出直接相加或拼接后送入适配器，虽能获得互补信息，但简单求和会模糊特征完整性，盲目堆叠更多编码器还可能引入冗余。
同运行阶段的对照是稠密门控融合与稀疏混合专家适配器。前者用可学习系数在编码器层面加权，不做按 token 的条件选择；后者只激活部分专家，提高容量与计算比的同时允许专家分化。论文报告显示拼接优于相加与门控，而混合专家又优于拼接，这一顺序需要在相同编码器对与相同评测协议下理解，不能跨编码器组合比较。相关工作不是要分出谁整体最强，而是说明为何作者选择保留两个最强编码器并用稀疏路由解耦，而不是继续增加第三个编码器或改用稠密求和。
冲突具体出现在哪里？
冲突首先出现在特征层面。两个候选编码器虽都与语音识别主干有渊源，但预训练目标与指令调优策略不同，编码的声学细节与语义侧重互补，直接相加会把异构维度混在一起，时频冗余也会被一并送入语言模型。其次出现在优化层面。训练数据规模极不均衡，少的描述集只有数百条，多的乐器与语音识别集可达数万至上 1000000 条，统一多任务优化时大任务容易主导梯度，小任务的描述多样性不足且易过拟合。
再者是训练稳定性层面。若一开始就联合更新语言模型，未对齐的音频特征噪声会干扰语言先验；若始终冻结适配器，则无法从指令中提取任务相关信息。因此需要先对齐再微调的两段安排，并明确每段冻结与更新的对象。举例来说，一个例子是把一段音乐片段与写一句音乐描述的指令一起输入，模型应输出文本描述而非类别编号，这个例子仅用于说明生成式范式，不附带任何效果数值。明确这些冲突后，才能理解为何引入门控非线性、共享专家与任务相关数据补充。
整体链路如何从声音走到文本？
沿一个样本走完全程有助于建立全局图。音频输入同时送入两个分支，一个分支按对数梅尔谱图处理，另一个分支按原始波形处理，分别经过冻结的两个音频编码器得到两组特征序列。两组序列先做时间与特征维对齐，再沿特征维拼接并归一化，得到复合特征向量。该向量同时送入共享专家与由路由器选择的路由专家，两路输出以可学习门控加权融合并归一化，得到统一音频表示。
该表示经投影层映射到语言模型嵌入空间，再与任务提示词的词嵌入拼接，共同作为语言模型的条件输入，语言模型按下一个词预测目标自回归生成回答。训练损失只来自文本端的条件似然，梯度回传更新混合专家、投影层与按阶段开放的语言模型部分，两个音频编码器始终冻结。推理时同样走生成式解码，再按任务规则把文本映射回准确率或错误率等指标。
下图为论文框架总览，上半为双编码器到融合再到语言模型的主路径，下半左侧为专家内部结构，右侧为 2 阶段策略，阅读时先看主路径再看细节分支。
看图路径： 1. 沿顶部从音频输入经两个冻结编码器到拼接归一化再到混合专家融合的主箭头走一遍；2. 观察共享专家支路与路由专家支路在哪里以加权求和汇合；3. 对照左下专家内部双分支乘法结构与右下两阶段训练的数据划分；4. 确认投影层与语言模型之间音频标记与任务提示标记的拼接位置
论文图 1。原论文 Figure 1:：“The UniAE-MoE framework comprises the overall architecture (top), the SwiGLU-based expert network (bottom left), and the two-stage instruction-tuning strategy (bottom right).”。
图中可见顶部蓝色箭头串起音频输入、双编码器、拼接归一化、混合专家融合、投影层与语言模型，混合专家框内上方为对所有 token 生效的共享专家，下方为路由器按分数选择的多个路由专家并经加权求和后与共享支路汇合。左下显示每个专家内部先分两路全连接，一路经激活后再相乘融合，右下显示第一阶段只用语音识别与描述数据做对齐，第二阶段加入分类与描述全量任务做指令微调。图中火焰与雪花图标分别表示可训练与冻结，虚线表示文本损失回传方向，理解冻结边界是复现时不破坏语言先验的关键。
双编码器与混合专家各自负责什么？
双编码器选择是基于实测的互补性。论文报告在基线对比中表现最好的两个编码器分别偏重语音音乐与长音频环境声，因此组合它们有望覆盖更广的声学现象。实现上两者参数冻结，只提供特征，不参与梯度更新。对齐操作解决两者序列长度与维度不一致的问题，拼接保留完整信息，避免求和带来的信息模糊，这是后续非线性融合的前提。
统一音频编码器 × 混合专家： 统一音频编码器负责把语音、音乐和环境声映射到同一表示空间供语言模型使用，混合专家负责把异构输入按 token 路由到不同专家以解耦建模，二者搭配的原因是单参数空间难以同时保留细粒度声学细节与高层语义，组合后共享专家保共性而路由专家学特异性。
混合专家的核心是按 token 的条件聚合。路由器是对输入 token 计算专家分数的多层感知机，取前 2 名专家并用归一化权重加权其输出，只激活子集以实现域与任务分化。共享专家独立于路由，对每个 token 都计算，捕捉跨任务不变的声学共性，最终输出是两路的动态折中。专家数量配置为 4 个路由专家加一个共享专家，路由取前二，每个专家隐维为三千余维，且未使用辅助负载均衡损失，论文称专家利用保持均衡。
路由专家 × 共享专家： 路由专家由路由器按输入特征动态选择激活，负责建模特定声学属性或子域，共享专家对每个 token 都处理以捕获跨任务不变特征，二者搭配是为了在提高容量的同时缓解专家坍缩，组合后以可学习门控系数加权相加再归一化输出。
专家内部采用门控非线性以处理拼接后的异构特征。其输入为复合特征向量，符号含义是拼接归一化后的双编码器联合表示，参数矩阵分别为门控、上投影与下投影，计算目标是通过门控分支的选择性保留与乘性交互来融合声学与语义维度，而非对所有 token 施加同一稠密变换。
\[\operatorname{SwiGLU}(x)=\left[\operatorname{SiLU}(xW_{\mathrm{gate}})\odot(xW_{\mathrm{up}})\right]W_{\mathrm{down}},\]路由聚合的符号中输入 token 为待分配的单个位置表示，输出为被选中专家的加权和，计算目标是在保持参数效率的同时让不同属性走不同参数空间。
\[y_{routed}=\sum_{i=1}^{K}\text{Softmax}(G(x_{t}))_{i}\cdot E_{i}(x_{t}),\]共享融合的符号中可学习标量经激活得到混合系数，输出为路由结果与共享专家输出的加权和再归一化，计算目标是保留互补性的同时缓解专家坍缩。
\[\aligned\alpha&=\sigma(g_{\text{shared}}),\\ Y=\mathrm{RMSNorm}\left(\alpha\,y_{\text{routed}}+(1-\alpha\,)E_{\text{shared}}(x)\right).\]SwiGLU × 专家网络： SwiGLU 是带门控与乘性交互的前馈结构，负责对拼接后的双编码器特征做特征维选择与非线性融合，专家网络是承载该结构的计算容器，二者搭配的原因是拼接特征仍异构且时频冗余大，组合后每个专家能更有效地整合来自两个编码器的声学与语义信息。
需要指出，原文未给出路由器与投影层的具体层数与初始化细节，这是复现时的缺项，不应从模型名称推定实现。
两阶段如何组织冻结、数据与目标？
训练被明确分为两段。第一阶段利用大规模序列级监督做音频到文本的初步对齐，数据主要来自语音识别与音频描述，此时冻结音频编码器与语言模型，只优化混合专家与投影层，目的是保护语言模型的预训练语言先验不被初始未对齐特征干扰。第二阶段保持音频编码器冻结，联合微调其余组件，使用覆盖全部二十任务的指令跟随数据，让指令引导从已对齐表示中提取任务相关信息。阶段步数分别为三万与 80000 步，使用 3 卡训练，音频统一截断至 30 秒并逐样本处理以满足显存限制。
指令调优 × 下个词预测： 指令调优负责把 20 个分类与生成任务统一为指令加音频输入生成文本回答的范式，下个词预测是其优化目标即自回归最大化条件似然，二者搭配是为了去掉任务特定头而用同一语言模型损失联合优化，组合后路由器被引导保留跨任务语义信息。
优化目标是给定音频与指令时生成目标回答的条件似然连乘，符号中音频表示为混合专家融合后的统一表示，目标序列为文本回答的词序列，计算目标是最大化该似然，即标准的下一个词预测损失，未引入任务特定头。
\[P(Y\mid A,I;\theta)=\prod_{i=1}^{L}P(y_{i}\mid y_{\lt i},\mathbf{F}_{moe},I;\theta),\]数据不均衡由任务相关数据缩放处理，不是均匀放大所有任务，而是为音乐、情感与描述等欠代表任务补充相关公开集。描述侧补充了多个音乐与通用音频描述集，其中一个大规模集提供约一百七十万音频文本对，分类侧补充了音乐流派与情感数据集以扩大类别覆盖。原文明确新增数据集以勾选标记区分，复现时应只用官方训练划分加这些补充集，不应混入测试集。
任务相关数据缩放 × 两阶段训练： 任务相关数据缩放负责针对低资源或类别不均衡任务补充相关公开数据而非均匀放大，两阶段训练负责先做音频文本对齐再做多任务指令微调，二者搭配的原因是数据量从数百到数十万严重不均，组合后先建立稳定映射再在均衡数据上学任务特异性提取。
原文未报告学习率、批量大小与优化器细节，这是训练复现的缺项，需要补验证而不能猜测。
评测条件与基线如何保证可比？
评测在统一生成式协议下进行，所有模型都不用任务特定头而以文本预测代替，分类与理解分别按准确率、平均精度、反转错误率与语义评价指标计分，总分为宏平均。公开部分为 20 个数据集，官方挑战还包含隐藏分类与理解集以检验未见数据泛化，提交时组织方冻结编码器并训练轻量投影与低秩适配的解码器，其中隐藏分类因标签空间不同使用独立解码器，隐藏理解复用公开解码器做域外评测。预处理上音频截断与逐样本提取是为了满足二十四吉显存限制，复现时若改变截断长度或批量策略，会直接影响长音频任务的公平性。
比较条件上，编码器基准对比使用同一评测流程，融合对比固定编码器对而只换融合方式，消融对比固定数据而只换激活或参数量，数据缩放对比固定架构而只换数据组合。这种按问题组织的对照是判断增益来源的前提。下表总结训练配置，数字来自原文连续句，复现时应优先对齐这些可执行条件。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 阶段步数 | 训练步数 | 阶段一 30000 | 阶段二 80000 | 3 卡训练 |
| 专家配置 | 结构 | 4 个路由专家 | 一个共享专家 | 前 2 路由 |
| 专家容量 | 隐维 | 三千余维 | 全量模型 | 轻量变体 |
| 优化范围 | 冻结 | 双编码器冻结 | 投影与专家更新 | 语言模型分阶段开放 |
表后需要说明，表中阶段步数与专家配置是原文明确给出的可复现点，而学习率与批量等缺项未在表中出现，复现时应先按已给条件跑通链路，再通过小规模网格补验证缺失超参数，不能把缺项当成已报告。显存限制下的截断策略是部署成本的一部分，长音频截断可能低估长时建模能力，这是后续解读隐藏集结果时的重要边界。
以下各结果表的数值与单位均以原文连续句为准，裸数值为基准定义的归一化分数，不擅自添加百分号，千分位与小数精度保留原文写法。
主结果在什么条件下成立？
要回答的核心问题是双编码器加混合专家是否优于单编码器与简单融合。比较的公平条件是同一生成式评测协议与同一宏平均总分，指标方向均为越高越好。下表整理编码器层面的对照，基线为两个单编码器的最强分数，本方法为融合后的总分。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 公开二十任务 | 总分 | 0.737 | 0.802 | 单编码器其一 |
| 公开二十任务 | 总分 | 0.767 | 0.802 | 单编码器其二 |
| 公开二十任务 | 总分 | 0.778 | 0.802 | 拼接融合基线 |
| 域覆盖 | 偏置 | 偏语音音乐 | 更均衡 | 偏环境长音频 |
| 架构 | 融合 | 直接拼接 | 稀疏路由 | 盲目堆三编码器下降 |
表后解释是，融合后的总分高于任一单编码器与拼接基线，支持互补融合的有效性，但代价是引入路由与共享专家带来的参数与训练复杂度。未胜出项同样重要，三编码器加入第三个统一编码器后性能下降，表明无差别堆叠带来冗余而非互补，不能把更多编码器等同于更强。同时单编码器在各自擅长域仍有竞争力，总体趋势不等于每个数据集都最优，例如多标签事件与说话人计数仍是难点。
官方挑战的公开与隐藏结果进一步限定了适用条件。分类赛道总体与隐藏测试均表现靠前，多个语音、音乐、环境与防伪任务达到领先，支持判别表示的鲁棒迁移；理解赛道公开测试较强而隐藏测试相对较低，尤其在未见生成条件下差距显现，表明生成式泛化仍需后续工作。引用隐藏集时必须注明其标签空间与解码器安排不同，不能与公开分数直接等同。
数据缩放的增益何时大何时小？
数据问题是任务不均衡，分类与描述的数据量跨多个数量级，统一优化会偏向大任务。下表比较任务相关缩放与无缩放，以及大规模均匀加数据的对照，条件是固定架构只换数据。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 标准容量 | 总分 | 0.759 | 0.794 | 任务相关缩放 |
| 高容量门控 | 总分 | 0.799 | 0.802 | 任务相关缩放 |
| 均匀加数据 | 总分 | 0.759 | 0.782 | 大规模通用补充 |
| 低资源任务 | 流派分类 | 0.848 | 0.979 | 补充后大幅提升 |
| 聚合视角 | 解释 | 总分增益小 | 任务增益大 | 需看分项 |
表后解释是，任务相关缩放对标准容量增益明显，对高容量结构的总分增益变小，论文解释为强架构已捕获大部分总体提升，但这只是有限解释而非因果证明，可能的原因还包括数据与容量的交互未被充分测量。关键反证是均匀增加大规模数据对高容量结构无对应增益，支持针对性补充而非无差别放量的判断。具体代价是补充数据带来的 1 次性收集与训练成本，以及对个别任务可能引入分布偏移，复现时应保留补充集清单并做分任务对照，不能仅以总分论成败。
去掉哪一块会掉多少，代价是什么？
消融要回答的是融合方式、激活函数与参数量各自的贡献，比较时固定编码器对与数据，只改动被测组件。下表先看融合策略，拼接已强于相加与门控，而混合专家又高于拼接。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 固定双编码器 | 总分 | 0.778 | 0.802 | 拼接基线 |
| 同编码器对 | 策略 | 相加与门控更低 | 稀疏路由更高 | 保留特征完整性 |
| 另一编码器对 | 总分 | 0.750 | 0.782 | 拼接对照 |
| 架构 | 机制 | 稠密系数融合 | 按 token 选择 | 无条件选择 |
| 冗余 | 组合 | 三编码器下降 | 双编码器最优 | 互补而非堆量 |
表后解释是，主要收益来自稀疏按 token 路由对异构特征的解耦，而具体代价是路由器与多专家带来的额外参数与调参面。反例是门控融合虽有可学习系数，但因不做条件选择与 token 级路由而落后，说明可学习权重本身不等于解耦能力。
下表看激活与轻量化，移除门控非线性后总分下降，轻量变体以更少参数保持接近性能。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 全量结构 | 总分 | 0.794 | 0.802 | 去掉门控非线性 |
| 参数量 | 规模 | 85.2 百万 | 115.8 百万 | 轻量 88.5 百万 |
| 轻量性能 | 总分 | 0.794 | 0.802 | 轻量 0.797 |
| 任务分项 | 方向 | 分类略降 | 理解持平 | 参数效率稳健 |
| 补偿 | 数据 | 无缩放更低 | 有缩放更高 | 缩放补容量 |
表后解释是，门控非线性的增益证实了其在表达能力上的作用，而轻量模型仍接近全量，支持架构的参数效率。但需注意总体小幅领先不等于每项都胜，个别描述任务在轻量或无缩放条件下会出现波动，复现时应同时报告总分与任务分项，避免只看宏平均掩盖低资源任务的退化。
哪些结论还不能下，边界在哪里？
首先是指标口径边界。公开基准的总分是宏平均，不同任务的原始指标经映射后平均，数值相同不代表同一能力，跨任务差值不能直接解释为错误率下降。其次是泛化边界。隐藏理解集的相对较低表明未见生成条件的鲁棒性仍待验证，不能把公开描述任务的强结果推广到所有未见域。第三是成本边界。原文报告了阶段步数、专家数与显存截断，但未报告学习率、批量、训练时长与推理延迟，论文显示的是理解性能的提升，待验证的是延迟与吞吐是否同步改善，不应承诺效率提升。
第四是机制解释边界。共享专家缓解坍缩与路由器保留语义信息的表述是与训练目标一致的有限解释，原文未提供专家激活分布、负载统计或因果干预证据，相关性不等于因果。第五是数据边界。补充集虽列出名称与规模，但采样比例、去重与划分细节未完全披露，若复现时混入测试或改变采样，会破坏可比性。明确这些边界后，才能正确定位何时值得尝试该方法：当已有两个互补的强编码器且任务覆盖多域时，稀疏融合值得尝试；当只有单域任务或算力极受限时，应先评估轻量变体与截断带来的损失。
要复现应先做什么，需要什么条件？
复现的第一步是准备评测链路而非直接训练。先按官方训练划分准备 20 个公开任务的数据与生成式评测脚本，确认分类序列化为文本、语音识别与描述的评价方向，再实现双编码器特征提取，注意分支输入分别为谱图与波形，并统一截断至 30 秒以复现显存条件。第二步是实现对齐拼接归一化、路由器前二选择、门控专家与共享加权融合及投影层，保持双编码器冻结，第一阶段只用语音识别与描述数据训练融合与投影，第二阶段再加入全量指令数据微调其余组件。
关键超参数与信息条件中已明确的是阶段步数、路由数与专家隐维，缺失的是优化器、学习率与批量，复现时应在小子集上先验证对齐损失下降，再补网格搜索并记录。代码当前可用，可用于对照结构，但权重下载与完整可运行状态需以仓库实际页面为准，本次仅确认链接可达，不推定一键可运行。常见误解是把冻结等同于确定性输出，实际上生成解码仍受采样策略影响，应固定解码方式再比较；另一误解是把总分提升当成每任务必升，应同时检查未胜出的数据集与隐藏集表现，避免选择性报告。
学完这篇应带走什么判断？
带走的核心判断是，当两个强编码器各有偏置且互补时，用稀疏混合专家在 token 层面分开建模比直接拼接或求和更有效地保留互补性，共享专家与门控非线性分别负责共性保持与异构融合，2 阶段训练与任务相关数据补充分别解决对齐稳定性与数据不均衡。最强证据是公开基准总分达到 0.8 以上并在官方分类赛道保持靠前，而主要代价是多专家参数、2 阶段流程与补充数据的复杂度。
还需补充的验证包括专家路由的可解释性统计、推理延迟与显存的实测、以及在未见生成条件下的系统性误差分析。只有补齐这些，才能把 1 次基准领先转化为可部署的统一音频理解方案。后续若要在自己的多域音频任务中尝试，建议先复现双编码器拼接基线，再逐步加入路由、共享专家与针对性数据补充，每步保留分任务对照，用增量证据决定是否承担额外复杂度。
📎 论文与评分元数据
排名：前25% | 文档类型：模型报告 | 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