📄 从单点试错到多点加权：多波束语音质量反馈如何纠正定位误差
标签：#声源定位 | #波束成形 | #语音 | #麦克风阵列 | #鲁棒性
评分：6.7/10 | 创新 1.1/2 | 技术严谨 0.9/1.5 | 实验充分 0.9/1.5 | 清晰度 0.7/1 | 影响力 0.6/1.5 | 开源 1.2/1.5 | 可复现 0.3/0.5 | 工程/实践 1/1.5
👥 作者与机构
- Caleb Rascon：Instituto de Investigaciones en Matematicas Aplicadas y en Sistemas, Universidad Nacional Autonoma de Mexico, Circuito Escolar 3000, Coyoacan, 03740, Ciudad de Mexico, Mexico
📌 核心摘要
实时听觉场景分析需在噪声混响下联合完成定位、分离与分类，定位误差会沿链路向后放大，而单窗参考无关质量估计波动剧烈使单点梯度搜索易过冲且收敛缓慢。先由仿真回放智能体以三通道混合语音为输入实时回放并缓存最近\(t_w=3.0\) s音频窗，输出同一数据窗供后续并行打分使用。再由质量估计智能体以上一轮中心方向\(\theta_{mid}\)为输入，在半径\(\theta_{range}\)内等间隔生成\(\theta_{steps}\)个候选方向并分别做MVDR波束成形后调用Squim估计STOI，输出质量分数向量送入优化智能体。最后由优化智能体以该质量分数向量为权重做加权平均得到下一轮中心方向并迭代输出校正方向\(\theta_{corr}\)，与单点估计加Adam优化的隐式搜索相比，将梯度搜索显式化为空间扫描，使优化从两智能体交互中涌现并可通过范围与步数校准加速收敛。在Office A场景多配置平均评测下，STOI质量类型的指标RMS为2.0247°，低于PESQ的指标RMS 8.0633°。该结论适用边界受限于AIRA语料Office A与Department Store录音、0.18 m等边三角形三麦克风阵列与2至4声源范围，声源增多时精度逐源下降且4声源大误差下优化时间可超15.0 s，超出该范围尚未验证。原文未披露训练、推理或部署成本。
🔗 开源与复现资源
- 代码相关资源：https://github.com/balkce/masa — 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，要解决的定位误差问题是什么？
这篇论文的输入是麦克风阵列录到的多通道混合语音，目标是在实时条件下完成听觉场景分析，也就是把环境中声源的位置找到、把目标语音分离出来并进一步做分类理解。论文聚焦其中一条反馈通路：定位智能体先给出目标语音的方向估计，分离智能体依据该方向做波束形成与增强，质量估计智能体对增强结果打分，优化智能体再用分数把方向修正回去。对于刚入门的读者，可以把定位理解成白话的朝哪个方向听，分离理解成把该方向的声音挑出来放大，其他方向压低，质量反馈理解成听听挑出来的声音干不干净再决定下次朝哪里听。
传统做法是线性流水线，先定位再分离再分类，定位错了后面全错，因此只能把定位器做得越来越复杂。论文报告的思路是把系统建成多智能体系统，每个智能体负责一类任务并互相通信，用全局反馈修正局部误差。需要保留的关键信息是：修正对象是方向角，监督信号是无参考语音质量，系统必须实时运行。本文的输出是 1 篇可复述方法的解读，帮助读者沿着样本流动、组件计算、实验条件与结果限制完整复现论文的做法与结论。
此前路线为什么慢，本文改变了什么？
此前两代做法都依赖一系列单点质量估计加基于梯度的优化器。每个优化迭代只测试当前修正位置对应的一个质量值，质量模型对不同音频窗的估计波动很大，搜索空间看起来坑洼不平，优化器需要很小的更新量才能慢慢爬到正确位置，还经常冲过头再折返。论文明确指出该目标函数并不满足优化器要求的 2 阶连续可微条件，平滑后的质量曲线也只是接近满足要求。为此第二代加入了记住历史最优位置并在长期无改进时复位的机制，报告显示它提高了成功率与一致性，但没有缩短优化时间且更复杂。
本文的改变是把每次迭代的信息从一个点扩大为一组点。质量估计智能体在同一段音频上朝多个方向分别做波束形成并分别打分，优化智能体只做加权平均，用分数做权重算出新的修正方向。论文报告这种做法把优化过程简化为插值式的平均操作，优化行为是从两个智能体交互中涌现出来的，而不是在单个智能体内部执行梯度下降。教学上可以举一个例子：单点做法像蒙眼每次只摸一只脚的位置猜坡度，多点做法像 1 次摸出一小段坡形再取重心，例子只用于理解信息量差异，不附加论文之外的数值效果。
要纠正多大的误差，用什么信号判断方向对了？
论文要纠正的是人为施加的初始定位误差。参数表征阶段默认使用 15.0 度的误差，这比前代在类似真实场景中只验证 10.0 度误差更大，后续还测试了 5 度与 25 度等不同起点。目标语音在多数录音中位于 0 度，干扰语音位于 90 度，阵列是边长 0.18 米的等边三角形三麦克风。判断方向是否正确的信号是分离后语音的质量：方向越准，波束形成器对准目标的效果越好，残留干扰越少，质量分数越高。
论文使用的质量模型是无参考估计器，不需要干净语音做对比，直接从分离信号估计失真、短时可懂度与感知质量 3 类指标中的一种。预备实验发现若用完整增强链路输出，搜索空间比较平坦且计算量大，因此正式机制只用波束形成阶段的输出做质量估计，这样空间更凸且更省资源。正确区间的定义是目标位置正负 5 度范围内，优化时间定义为从开始到首次进入该区间所需的时间，准确率用运行后四分之 3 段的均方根误差度量，稳定性用同一段的标准差度量。
系统全景：一个样本如何走完定位到修正的闭环？
沿着一个实时音频窗走一遍流程最容易理解全景。多通道麦克风信号同时送给定位智能体与质量估计智能体缓存。定位智能体给出初始估计，优化智能体以它为中间位置，向质量估计智能体请求一组测试方向。质量估计智能体取出最近 3.0 秒音频，对组内每个方向分别计算波束形成权重、做波束形成、调用质量模型打分，再把方向数组与分数数组一起返回。优化智能体对这组方向做分数加权平均并做区间截断，得到新的修正方向，送给语音增强智能体用于下一段分离，同时作为下 1 次请求的中间位置。
下图是论文给出的当前多智能体听觉场景分析器结构，展示了定位、优化、质量估计、波束形成与增强等智能体之间的连接，修正方向同时输出给外部与内部使用。
看图路径： 1. 先找到左侧两个声源箭头与中间三麦克风阵列的输入关系；2. 再沿右侧蓝色方框内的虚线追踪定位估计与修正方向的去向；3. 最后确认质量估计与优化器之间用字母 Q 连接的反馈箭头
论文图 1。原论文 Figure 1:：“Current version of the multi-agent auditory scene analyzer presented in Rascon et al. (2026).”。
该图可见左侧目标语音与干扰声进入三麦克风阵列，右侧蓝色方框内多个白色智能体通过虚线箭头交换估计方向、修正方向与质量分数，理解时应把主信号流与反馈信号流分开追踪，不要把增强输出与分类输出混为一谈。下图进一步把定位修正闭环单独抽出，强调了波束形成器受修正方向控制、质量估计受增强输出驱动、方向修正受质量驱动的因果链。
看图路径： 1. 先看下方声源定位输出的初始估计箭头指向何处；2. 再看语音增强框内波束形成器与降噪器的先后顺序；3. 最后看质量估计返回的方向修正箭头如何闭合成环
论文图 2。原论文 Figure 2:：“Location (direction of arrival) correction as presented in Rascon (2025).”。
该图可见多通道向量进入波束形成器得到波束输出再进入降噪器，质量估计模块的输出返回给方向修正模块，方向修正模块同时接收初始估计并输出修正方向，阅读时先确认初始估计与修正方向是两个不同变量再理解闭环如何迭代。
两个智能体如何分工算出新的修正方向？
质量估计智能体的分工是把 1 次请求展开为多次定向测量。它收到中间位置、位置范围与测试步数 3 个参数后，在中间位置加减位置范围内均匀取指定个数的方向，对每个方向计算波束形成权重并对同一段多通道音频做波束形成，再对每路波束输出调用质量模型得到分数。这种做法的关键是所有分数来自同一音频窗，只是朝向不同，因此它们之间的相对高低更能反映方向差异，而不是不同时刻语音内容差异。论文比较了相位掩蔽波束形成与最小方差无失真响应波束形成，报告显示后者在真实混响场景下不易产生相位伪影，后续表征固定使用后者。
多智能体听觉场景分析 × 定位与分离反馈环： 多智能体听觉场景分析负责把定位、分离、分类拆成独立智能体并行运行，定位与分离反馈环负责把分离后的语音质量送回定位端用于修正方向；前者提供分工与通信结构，后者提供用质量信号纠正位置误差的具体通路，两者组合使局部定位误差可以在全局层面被修正而不必把定位器本身做得很复杂。
优化智能体的分工是把一组分数折叠为 1 个方向。它用分数做权重对方向做加权平均，若结果超出本次测试区间则截断到区间端点，再把结果作为下 1 次的中间位置。这种截断迫使相邻 2 次迭代的测试区间重叠，有助于减少冲过头。论文把位置范围与测试步数看作联合的更新因子，范围大则视野宽，步数多则视野密，但步数多也直接增加质量估计延迟。
波束形成 × 无参考语音质量估计： 波束形成负责把多通道信号朝指定方向增强以得到该方向的候选语音，无参考语音质量估计负责在没有干净参考的情况下为每路候选打出质量分；前者产生方向相关的可比较信号，后者提供可比较的分数，两者组合才使得同一音频窗内多个方向的质量曲线可以被画出并用于加权平均。
质量类型与波束形成器的选择同样是组件层面的关键对照。论文在全部参数组合上平均后报告短时可懂度指标的平均误差最小，最小方差无失真响应波束形成的好运行比例更高，因此后续固定为该组合。
STOI × MVDR 波束形成器： STOI 负责作为质量估计智能体输出的三种候选指标中被选中的质量类型，MVDR 波束形成器负责作为两种候选波束形成中被选中的空间滤波实现；前者决定用哪个分数做权重，后者决定每个测试方向的信号长什么样，论文把两者搭配是因为该组合在全部参数组合下平均准确率与好运行比例更高。
位置范围与测试步数的搭配决定了每次迭代的信息量与代价，范围与步数的权衡是后文参数表征的核心。
位置范围 × 测试步数： 位置范围负责决定以中间位置为中心向两侧展开多宽的角度区间进行测试，测试步数负责决定在该区间内均匀取多少个离散方向分别做波束形成和质量估计；前者控制搜索视野大小，后者控制视野内的采样密度，两者共同起到更新步长的作用，区间大而采样密则视野清楚但单次质量估计延迟更高。
优化时间与质量估计延迟分别度量全局收敛与局部代价，理解代价传递是理解为何不能无限制增加测试点数的关键。
优化时间 × 质量估计延迟： 优化时间负责度量从带误差的初始位置进入正确区间所需的系统整体时间，质量估计延迟负责度量优化智能体发出一次请求到收到一组质量分数所需的等待时间；前者是全局收敛速度，后者是每次迭代的局部代价，测试步数增加会直接拉长后者并间接影响前者，因此需要在两者之间做平衡选择。
旧机制中使用的指数平滑公式符号含义如下，公式先对单点质量做时间平滑以抑制窗间波动，新机制则改用空间上的多点平均来获得更清楚的搜索面。
\[Q_{k}\leftarrow\alpha Q_{k}+(1-\alpha)Q_{k-1}\]该公式中当前窗的原始质量与上一时刻平滑结果按平滑因子加权相加，平滑因子取 0.9 是论文报告的在平滑性与响应性之间的平衡点，新机制不再依赖这种时间平滑做梯度估计，而是依赖同窗多方向分数的空间结构。
本研究训练了什么，没有训练什么？
本研究没有训练新的神经网络，也没有微调质量模型与分离模型。论文明确把无参考质量估计器与基于已有模型的语音增强器当作现成组件调用，真正的计算发生在运行时的波束形成、质量推理与加权平均。需要指出的缺项是论文未报告这些现成模型在本任务上的再训练细节与梯度路径，解读中不从模型名称推定其内部实现，也不把冻结参数等同于系统输出确定。
实际发生的计算包括三部分。第一是波束形成权重的计算与应用，每个测试方向都要算一组权重并对多通道音频滤波求和。第二是质量模型的多次前向推理，每个测试方向对应 1 次推理，这是延迟随测试步数增长的直接来源。第三是优化智能体的加权平均与截断，它没有可学习参数，也没有动量与方差状态，因此比基于自适应矩估计的旧优化器简单。旧机制需要维护梯度、动量、方差与历史最优位置并在满足条件时复位，新机制把这些状态全部去掉，只保留中间位置这一个迭代变量。
实验在什么录音与实时条件下运行？
论文使用机器人听觉交互语料中的办公室与商场两个真实场景做评估。办公室噪声较低但混响较高，商场噪声较高而混响中等，这种搭配可以检验方法对噪声与混响的不同敏感性。参数表征主要用办公室场景中两个声源的录音，后续再用不同声源数量与另一场景检验泛化性。目标声源位置多数为 0 度，三声源时为补偿语料文档手工测量误差把目标真值按 4 度处理，论文对此做了明确说明。
下表整理了两个场景在原文中报告的噪声与混响条件，阅读时注意噪声级与混响时间是两个独立维度，不能互相推导。
| 场景 | 噪声级 | 混响时间 | 场景特点 | 评估作用 |
|---|---|---|---|---|
| Office A | 52 dB SPL | 0.20 s | 噪声低混响高 | 参数表征主场景 |
| Department Store | 63 dB SPL | 0.16 s | 噪声高混响中 | 跨场景泛化检验 |
上表提出的问题是不同声学条件下结论是否一致，公平条件是同一阵列与同一目标方位，指标方向是噪声越低越好、混响时间越短通常越有利。表后需要强调代价：声源数量增加会提高累计干扰能量，质量估计误差随之增大，因此跨场景比较必须同时固定声源数与初始误差，否则无法归因。
实时仿真条件同样需要完整复述。仿真智能体用音频连接工具以固定小窗读取语料模拟直播麦克风，同时提供质量模型所需的采样率流，原始 30 秒录音重复 4 次得到约 120 秒评估时长，每种参数组合跑 10 次并记录修正方向序列。
| 条件 | 参数 | 取值 | 单位 | 运行含义 |
|---|---|---|---|---|
| 输入分块 | 窗长 | 1024 | 采样点 | 单次读取延迟约 0.021 s |
| 质量窗长 | 缓存 | 3.0 | s | 每次多方向共用音频 |
| 优化节拍 | 等待 | 0.25 | s | 2 次请求间隔 |
上表回答了实验是否实时可比的问题，公平条件是同一台中等性能计算机与同一节拍设置，指标方向是延迟越低越有利于实时。表后代价是节拍本可以调小以加快整体响应，但论文为降低计算负载固定为 0.25 秒，因此报告的优化时间包含了该等待开销，不能直接理解为纯算法计算时间。硬件按原文交代为 6 核 3.6 吉赫处理器与 4 吉显存显卡，属于普通消费者可及的中等配置。
主结果：更快更稳的依据是什么，代价在哪里？
参数网格覆盖位置范围与测试步数的全部组合，每种组合跑 10 次。论文用热力图分别展示好运行比例、准确率与优化时间随两个参数的变化。好运行定义为后四分之 3 段均方根误差低于 5 度，好运行比例是好运行次数占总次数的比例。总体趋势是范围与步数较大时好运行比例高且误差小，但优化时间却偏好小范围大步数的组合，准确率与速度存在冲突。论文因此施加 3 个同时满足的筛选条件：好运行比例不低于 1.0、均方根误差低于 3.0 度、优化时间小于 15.0 秒，最终只留下 4 个推荐配置。
下图是好运行比例随配置变化的热力图，深色表示高比例，浅色表示低比例，可用于剔除不稳定的小范围或过疏采样配置。
看图路径： 1. 先确认横轴为位置范围纵轴为测试步数的网格布局；2. 再观察深色高比例区域集中在哪些行列组合；3. 最后找出左上角与最右列浅色低比例的失败配置
论文图 4。原论文 Figure 4:：“Optimization configurations vs. ‘good runs’ percentage.”。
该图可见测试步数为 7 与 9 的行大面积深色，步数为 3 的行与部分小范围列偏浅，说明仅用过少测试点或过窄视野时一致性较差，阅读时应把颜色深浅与右侧色标的好运行比例对应起来，不要把深色误读为误差大。下图展示的优化思想是每次迭代用一组测试点的加权平均逐步把中间位置推向正确区间，相邻区间重叠设计抑制了大幅 overshoot。
看图路径： 1. 先确认横轴为质量纵轴为位置以及绿色横带为正确位置区；2. 再对比每次迭代中红色测试点与绿色加权平均点的位置关系；3. 最后沿虚线箭头观察中间位置如何逐次向绿色区域移动
论文图 3。原论文 Figure 3:：“A diagram summarizing the reasoning behind the proposed optimization mechanism.”。
该图横轴为质量纵轴为位置，从左到右 5 次迭代的红色测试点与绿色平均点逐步落入绿色正确带，最右侧完整搜索曲线未知但迭代轨迹已收敛，理解时应区分单次迭代的局部曲线与全局未知曲线的关系。
优化网格的具体搜索密度如下表，它决定了每次迭代能看到多清楚的搜索面。
| 条件 | 参数 | 取值集合 | 单位 | 评估方式 |
|---|---|---|---|---|
| 搜索视野 | 位置范围 | 5.0, 10.0, 15.0, 20.0, 25.0 | 度 | 每组 10 次运行 |
| 采样密度 | 测试步数 | 3, 5, 7, 9, 11 | 个 | 含中间位置 |
| 初始误差 | 默认起点 | 15.0 | 度 | 大于前代 10.0 度 |
| 正确区间 | 判定带 | 正负 5.0 | 度 | 进入即计时停止 |
上表提出的问题是在多大视野与多密采样下能兼顾准确与速度，公平条件是同一质量类型与同一波束形成器，指标方向是误差与时间越小越好、好运行比例越高越好。表后解释是论文最终推荐的平衡配置为范围 20.0 度加步数 5，它不是最准也不是最快，而是在中等准确与稳定下保持较低单次延迟与次低优化时间；范围 25.0 度加步数 7 最准最稳但 2 次延迟更高，范围 25.0 度加步数 5 最快但最不准最不稳。
跨声学设置的验证显示该平衡配置在办公室与商场、2 到 4 个声源、5 到 25 度初始误差下均方根误差都保持在 5 度以内，每增加一个声源误差约增加 1 度，而相同声源数下不同初始误差的准确率基本不变。除最难的 4 声源加 25 度误差外优化时间都低于 15.0 秒，方差也与表征阶段相当，支持该配置行为跨场景一致的判断。但论文也报告 4 声源时误差已接近 4 到 5 度边界，说明声源增多仍是主要限制。
哪些对照支持质量类型与波束形成器的选择？
论文做了两组贯穿全部参数组合的对照。第一组比较质量类型，短时可懂度、感知质量与信号失真比三者中前者的平均误差最小，且即使是最差的参数配置用前者也往往比用后两者更准，因此后续固定使用前者。第二组在固定前者的条件下比较两种波束形成器，最小方差无失真响应波束形成的好运行比例明显高于相位掩蔽波束形成，因此后续固定使用前者。这两组对照的支持力度来自它们都是在全部网格上平均的结果，而不是只挑最优配置比较。
单次质量推理延迟对照同样重要。在中等硬件上单次推理约 0.05 到 0.07 秒，测试 5 个方向时单次请求延迟约 0.42 秒，测试 7 个方向时约 0.57 秒，说明延迟随步数近似线性增长。论文明确指出这是唯一的代价，但完整系统仍满足实时要求，且分离延迟不受影响，受影响的是达到正确位置所需的整体优化时间。
| 条件 | 对比维度 | 候选 | 报告倾向 | 代价说明 |
|---|---|---|---|---|
| 质量信号 | 指标类型 | 短时可懂度等 3 类 | 短时可懂度平均最准 | 其他两类误差更大 |
| 空间滤波 | 波束形成 | 最小方差与相位掩蔽 | 前者好运行比例更高 | 真实混响下更稳 |
| 时间平滑 | 平滑因子 | 0.9 | 平滑与响应平衡 | 旧机制仍慢 |
| 迭代视野 | 范围步数 | 多组网格 | 大范围密采样更准 | 单次延迟更高 |
| 收敛判定 | 正确带 | 正负 5 度 | 统一计时标准 | 边界附近仍有波动 |
上表回答的是每个选择是否有可运行的对照而非事后最优，公平条件是除被比较变量外其他网格保持一致，指标方向与主结果相同。表后需要点出未胜出项：感知质量与信号失真比在平均误差上落败，相位掩蔽波束形成在好运行比例上落败，过小范围与过少步数的配置在一致性上落败，这些负结果与胜出项同样是复现时应避开的边界。
还有哪些边界没有测，不能承诺什么？
首先是声源数量的边界。评估只覆盖 2 到 4 个声源，误差随声源数增加而上升，4 声源时已接近判定边界，更多声源或更强干扰下的表现未被验证，不能承诺在任意拥挤场景都成立。其次是初始误差的边界。验证到 25 度，更大角度误差或动态移动声源的跟踪能力未被测量，不能把静态纠正速度推广为全程跟踪性能。第三是质量模型的因果性。论文明确指出所用模型假设输入是完整录音，实时中用滑动窗喂给它会导致窗间波动，需要较长缓存才能稳定，3.0 秒是稳定与延迟的平衡点，未来工作才考虑换模型或改造为因果模型。
其次是延迟口径的区分。训练资源、推理开销、输出帧率与实际延迟是不同概念。论文报告的是优化时间与质量估计延迟，没有单独测量误判率、分类延迟或完整分离链路的逐帧延迟，因此不能承诺这些量同时改善。总体趋势不等于每组每步都成立，例如个别配置在平均上很好但单次运行仍可能失败，好运行比例正是为刻画这种不一致而设。相关性也不是因果，质量分数高与方向正确同时出现支持用分数做权重，但不证明分数在所有混响与噪声下都是方向的单调函数。
要复现应先做什么，需要哪些代码与参数？
复现先做实时仿真管线。用音频连接工具按 1024 采样点、48 千赫读取语料，同时提供质量模型所需的采样率流，把 30 秒录音重复 4 次得到约 120 秒评估时长，并在运行开始施加人工定位误差。质量估计端缓存最近 3.0 秒音频，优化端每 0.25 秒请求 1 次，每次请求携带中间位置、位置范围与测试步数，收到方向与分数数组后做加权平均与区间截断，再把新方向送给增强端并作为下次中间位置。评价时只取后四分之 3 段计算均方根误差与标准差，优化时间记录首次进入正负 5 度区间的时间，每种组合重复 10 次。
关键超参数按原文保留：平滑因子 0.9 只用于理解旧机制，位置范围取 5.0 到 25.0 度网格，测试步数取 3 到 11 网格，默认初始误差 15.0 度，筛选阈值为好运行比例 1.0、误差 3.0 度、优化时间 15.0 秒。论文声明代码已公开，资源状态显示可用，链接为官方仓库地址，复现者应以该仓库当前内容为准核对智能体划分与接口。本文写作时仅确认链接可用，不对权重下载与一键运行做超出证据的承诺，运行时若发现接口与论文算法伪代码不一致，应以实际仓库与论文正文共同核对为准。
何时值得尝试这种多点加权修正？
当系统已经是多麦克风实时链路、定位误差是主要瓶颈、且有可用的无参考语音质量信号时，这种做法值得尝试。它的价值在于用同一音频窗的多方向测量换取更清楚的搜索面，把复杂的梯度优化简化为加权平均，特别适合真实办公室与商场这类有混响与噪声但声源数量中等的场景。若声源很多、误差很大或声源快速移动，应先补做对应边界验证再决定是否采用。
不值得盲目照搬的情况包括：质量模型延迟本身已接近实时上限、计算预算不允许每次迭代做 5 到 7 次推理、或分离链路输出的质量曲线过于平坦。此时增加测试步数只会拉长质量估计延迟而看不到准确率收益。论文特有的误解需要澄清：优化过程不在任何单个智能体内部，加权平均本身不是优化器，优化是从两智能体交互中涌现的行为；分离延迟不受质量估计延迟影响，受影响的是整体收敛时间；最准配置不等于最实用配置，平衡配置的意义是在准确、稳定、单次延迟与收敛时间之间同时满足阈值。
📎 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