📄 连续自回归语音语言模型的偏好后训练：扰动、流时间与更新模块
英文题目：What Matters in Preference Post-Training of Continuous Autoregressive Speech Language Models
评分：6.2/10 | 创新 1.2/2 | 技术严谨 1/1.5 | 实验充分 1/1.5 | 清晰度 0.7/1 | 影响力 1/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 1/1.5
👥 作者与机构
- Yingda Shen：机构信息未能在本次解析中与作者逐人可靠绑定
- Yao Qian：机构信息未能在本次解析中与作者逐人可靠绑定
- Dekun Chen：机构信息未能在本次解析中与作者逐人可靠绑定
- Yufei Liu：机构信息未能在本次解析中与作者逐人可靠绑定
- Junan Zhang：机构信息未能在本次解析中与作者逐人可靠绑定
- Chong Jing：机构信息未能在本次解析中与作者逐人可靠绑定
- Han Wang：机构信息未能在本次解析中与作者逐人可靠绑定
- Yuxiang Wang：机构信息未能在本次解析中与作者逐人可靠绑定
- Zhizheng Wu：机构信息未能在本次解析中与作者逐人可靠绑定
📌 核心摘要
连续自回归语音语言模型以文本与参考语音等条件为输入，输出连续声学语音波形，难点是局部声学采样会经自回归历史影响后续生成，难以仅凭单步预测误差判断优劣。论文先用冻结轨迹回放对比闭环展开并做单块干预，区分固定条件下重采样与正常闭环生成在表示变化和语音质量上的差异。接着用噪声扰动或推理配置扰动为同一输入生成多个完整候选，用固定奖励按间隔选出最高与最低组成偏好对。然后在流匹配预测误差上构造相对参考的偏好损失，比较不同流时间采样与只更新自回归主干、只更新扩散头或联合更新的效果。在官方CV3-Eval英语500条零样本提示评测中，Ming自回归后16层更新加噪声扰动相对Ming基线将WER词错误率从30.56%降到5.74%。跨流时间与模块消融显示训练损失最低并不持续对应最好语音，需在生成语音上验证选择。结论只适用于所测两个连续自回归模型和自动奖励定义的偏好，听众主观偏好尚未验证。论文以GPU小时为横轴呈现训练曲线随训练的变化，但未完整披露具体硬件、总训练成本以及推理延迟、吞吐或部署成本指标。
🔗 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
这篇论文要解决的语音生成问题是什么
这篇论文研究连续自回归语音语言模型怎么做偏好后训练。输入是文本提示加上少量参考语音，目标是生成一段新的语音，生成时必须保留文本内容、说话人特点和情感等信息，输出是连续的声学片段序列。与输出离散语音单元的模型不同，这里每个时间步输出的是一小块连续向量，称为声学块，模型用扩散或者流匹配的声学头逐块生成。
对于同一个输入，多次生成会在可懂度、说话人相似度和感知质量上出现差异，论文想回答的是如何从这些差异中挑出有用的好坏对，以及训练时应该更新哪一部分参数。读者需要先理解这种两段式结构，因为后文所有关于扰动和更新范围的讨论都建立在主干提供条件、声学头负责局部采样的分工上。论文的证据都来自自动奖励下的生成语音对比，尚未经过听众主观评价，因此结论只在自动指标和所用数据范围内成立。
已有偏好优化路线与本文位置
在文本和语音合成领域，直接偏好优化通过成对的好坏回答学习偏好，它比较偏好回答相对参考模型的对数密度比。把这一思想搬到扩散生成时，由于完整序列似然计算代价高，已有工作用预测误差来近似，也就是比较模型对好坏样本的速度预测误差。本文沿用这条预测误差路线，但研究对象是自回归主干加扩散头的连续语音模型。
已有语音偏好工作多关注候选差异本身或只调声学部分，本文的不同在于把候选扰动、流时间采样和可训练模块看成相互关联的一组选择，并且用受控干预先验证局部采样变化会通过自回归反馈影响后续生成。比较时要注意输入、目标和运行阶段相同，本文的基线包括只用优选样本的有监督微调和已发表的 ARDM-DPO 损失，后者同样更新主干后部，但流时间在全区间均匀采样，候选只变初始噪声，这与本文的选择不同，不能简单理解为同一条件下的胜负。
举例来说，同样是更新主干，如果流时间分布和候选来源不同，训练任务本身就变了。
为什么局部采样变化会影响整句语音
核心难点在于自回归反馈。每个新生成的声学块都会进入历史，成为主干下一步的条件，所以改变某一步的采样噪声或推理设置，不仅改变当前块的声音，还会改变后续的主干状态、声学上下文乃至何时停止。为了分离这两种效应，论文设计了 3 种干预。正常展开是改变采样噪声后让模型照常继续，冻结轨迹重放是先录制一个基准 utterance，再重采样其声学块但固定基准的主干状态、隐变量上下文和停止决策，单块干预是只重采样某一个块然后恢复正常生成。
冻结重放不是冻结主干权重，而是阻止已变声块影响未来条件。实验在文本转语音和语音去噪 2 个任务上进行，结果显示重放只改变声学隐变量而不改变主干距离，正常展开则两者都变。单块干预后主干差异在文本转语音中持续增大，在去噪中先升后降，说明局部扰动的影响与任务有关。更重要的是表示变化大不等于质量差，冻结重放的整体质量下降，而正常展开尽管隐变量距离更大，整体质量反而有小幅正向变化。
这表明偏好应该在完整 utterance 上评价，同时主干和声学头都与后训练相关。
连续自回归模型的整体生成流程
模型的生成可以沿着一个样本这样走。给定输入条件和之前已生成的声学块，主干先算出当前步的隐藏状态，扩散头再以该状态为条件，从随机噪声出发经过多步去噪得到当前声学块，然后把这个块追加到历史中用于下一步。推理设置决定用随机还是确定性求解器、引导强度和求值步数等因素。下图展示了这种上下分层加左右回路的结构，读图时注意底部输入如何向上流动，顶部波形如何由隐变量得到。
自回归主干 × 扩散头： 自回归主干根据输入条件和已生成语音历史给出每一步的条件状态，扩散头在该条件下把噪声变成一个声音片段，二者分工是主干提供上下文、声学头负责局部声音细节，组合后新片段被送回历史从而影响后续生成。
看图路径： 1. 先沿底部文本提示和语音输入进入深色自回归变换器的主路径看；2. 再看向上箭头如何进入扩散头并生成语音隐变量和波形；3. 最后看虚线箭头如何把已生成隐变量送回主干作为新的历史
论文图 1。原论文 Figure 1:：“Continuous autoregressive speech language model. The diffusion head generates acoustic patches conditioned on the AR backbone; generated patches become subsequent speech history.”。
图 1 上方是一条示例波形，下方深色长条是自回归变换器，中间黄色框是每步共用的扩散头。底部左侧圆形是文本提示，方形是已有语音输入，中间是开始符。向上实线箭头表示主干状态送入扩散头生成语音隐变量再变成波形，向下虚线箭头表示已生成的隐变量回送给主干作为新的历史。这种回路正是论文强调自回归反馈的原因，局部采样一旦改变，后续条件都会随之改变。
主干状态与声学块如何计算
论文用公式描述单步生成。符号 c 是输入条件，下标小于 k 的部分是已生成的声学块历史，F 是主干，G 是声学头，h 是主干给出的条件状态，z 是新生成的块，epsilon 是采样噪声，a 是推理设置。先由主干根据条件和历史算出 h，再由声学头根据噪声、h、历史和设置生成当前块。
\[h_{k}=F_{\phi}(c,z_{\lt k}),\qquad z_{k}=G_{\theta}(\epsilon_{k};h_{k},z_{\lt k},a),\]训练时为了计算流匹配误差，需要把波形先经变分自编码器编码成隐变量序列，再在流时间 t 上做噪声与干净块之间的线性插值。下式中 x 是加噪后的输入，u 是目标速度，即干净块减去噪声，t 等于 0 表示纯噪声，t 等于 1 表示干净数据。
\[x_{t,k}=(1-t)\epsilon_{k}+tz_{k},\qquad u_{k}=z_{k}-\epsilon_{k},\]流时间 × 流匹配能量： 流时间是在噪声和干净语音之间插值的比例，流匹配能量是模型在该噪声水平下预测目标速度的平均平方误差，两者搭配是把偏好比较放到某个具体加噪水平上做，用能量差近似原来需要序列似然的偏好差距。
教师强制 × 自回归生成： 教师强制是训练时用干净历史计算主干状态和流匹配误差，自回归生成是评测时用模型自己刚生成的片段作为下一步历史，前者让训练稳定可并行，后者才是真实使用条件，组合起来解释了训练损失低不一定生成好。
流匹配能量是对所有有效块的预测误差取平均，平均时主干状态来自教师强制下的干净历史，而不是生成历史。参考模型是关闭低秩适配后的同一模型，它用同样的干净历史重新计算参考条件。训练用教师强制保证稳定，评测用自回归生成反映真实使用，2 阶段条件不一致是理解后文损失与生成脱节的关键。
偏好对如何构造与如何优化
候选构造有两种扰动。噪声扰动固定推理设置，只改变随机微分方程采样中注入的噪声，配置扰动共用初始噪声，改变采样器设置，包括是否用常微分方程采样、分类器无关引导强度和函数求值次数。对每个提示，论文在有效候选中取奖励最高和最低者配对，要求奖励差不小于阈值，奖励是固定函数，综合词错误率、说话人相似度、情感相似度、DNSMOS、时长和有效性。诊断池显示固定最优配置只在少数提示上最好，按提示选最优能高出一定标准化奖励单位，说明偏好配置随输入变化。下面的读图说明帮助理解这种按提示选择的增益，以及奖励间隔过滤后保留对数的变化。
噪声扰动 × 配置扰动： 噪声扰动固定推理设置只改变随机微分方程采样中注入的噪声，配置扰动共用初始噪声而改变求解器类型、分类器无关引导强度和函数求值次数等推理设置，两者分工是提供不同来源的候选差异，组合后覆盖随机性和推理配置带来的变化。
看图路径： 1. 左图比较每个评测层面上固定最优配置与按提示选最优的奖励差距；2. 右图观察保留对数随奖励间隔阈值增大而快速下降的趋势；3. 注意右图纵轴单位是千对，横轴是奖励间隔
论文图 3。原论文 Figure 3:：“Preference-pool analysis: (a) best fixed configuration versus per-prompt oracle reward; (b) comparisons retained by reward-margin filtering.”。
图 3 左图每个评测层面有上下两个点，黄点是固定最优，蓝点是按提示选最优，竖线长度就是增益，右图横轴是奖励间隔，纵轴是保留的 1000 对数，曲线随阈值增大迅速下降。论文主训练每提示取 6 个有效候选中的最好和最差，要求间隔至少 0.1。优化目标是下式的形式，对好坏对的参考相对差距取加权对数似然。每对共用一个标量流时间 t，候选在公共块范围用相同训练噪声，较长者多抽一部分，模型和参考对同一候选复用相同噪声和时间。
\[\mathcal{L}_{\mathrm{pref}}=-\mathbb{E}_{(c,z^{w},z^{l}),\,t\sim p_{t},\,\Xi}\log\sigma\!\left(\beta M_{\phi,\theta}\right),\]其中 M 是好坏候选的参考相对分数差，beta 缩放差距，sigma 是 S 型函数，期望对提示对、流时间分布和训练噪声取平均。梯度形式表明更新比较胜者和败者的能量梯度，对参考相对差距小的对加权更大。下面的表格整理诊断池中奖励间隔过滤保留的对数与固定配置的局限，比较问题是不同间隔下能留下多少可训练比较，条件是同一诊断池内按提示比较，指标是保留对数。
| 总比较对数 | 间隔 0.1 保留 | 间隔 0.2 保留 | 间隔 0.5 保留 | 诊断池特征 |
|---|---|---|---|---|
| 20,160 | 12,867 | 8,366 | 2,978 | 八配置按提示比较 |
| 诊断池 | 最频胜者 19.4% | 熵 0.830 到 0.977 | 增益 0.16–0.36 单位 | 固定配置非最优 |
上表显示阈值从 0.1 提高到 0.5 时保留对数从 12,867 降到 2,978，说明更大间隔留下更少但差异更明显的对，而最频繁获胜的配置只在 19.4% 提示上最好，归一化胜者熵高达 0.830 到 0.977，按提示选择能高出 0.16–0.36 个单位。限制是这些数字来自诊断池的八配置分析，不是最终训练集，不能直接当作训练数据量，阈值选择要在数据量和区分度之间权衡。本表数值与单位依据论文 PDF。
训练数据、模型与评价条件
训练提示把朗读语音和情感语音均衡混合，训练对要求奖励间隔至少 0.1。奖励结合词错误率、说话人相似度、情感相似度、DNSMOS、时长和有效性。优化用特定的偏好强度、低秩适配秩、恒定学习率和有效批量。探索性留出集含 100 条英文提示，有明确的 Ming 基础基线值。正式对比用 500 条英文零样本和 150 条英文情感提示。
部分 Ming 基础生成会出现崩溃，词错误率超过 100%，会拉高平均错误率，解读时要注意这是崩溃样本的影响。跨模型迁移在 dots.tts 上验证，它也是连续自回归结构，但声学头只支持常微分方程采样，因此只用配置扰动。评价指标方向要记清，词错误率越低越好，说话人相似度、整体质量和情感相似度越高越好。
词错误率 × 说话人相似度 × DNSMOS 整体质量： 词错误率用 Whisper-large-v3 衡量可懂度，数值越低越好，说话人相似度用 WavLM 衡量音色接近程度，数值越高越好，DNSMOS 整体质量衡量感知质量，三者组合成自动奖励的不同侧面，避免只看单一指标得出片面结论。
下表整理训练超参数与数据配比，比较问题是优化实际在什么资源与数据条件下运行，公平条件是同一偏好流程，指标是超参数取值与候选构造规则。
| 类别 | 具体对象 | 取值与配比 | 训练阶段 | 备注说明 |
|---|---|---|---|---|
| 偏好强度 | beta | 200 | 偏好优化 | 缩放差距 |
| 适配秩 | LoRA rank | 8 | 偏好优化 | 低秩适配 |
| 学习率 | constant rate | 5×10−5 | 偏好优化 | 恒定学习率 |
| 批量 | effective batch | 128 | 偏好优化 | 有效批量 |
| 数据与候选 | 混合与选取 | 1:1 混合六选二间隔 0.1 | 候选生成 | 两种风格均衡 |
上表说明训练是在小秩适配和固定学习率下进行的，候选来自两种语音风格的均衡混合，每提示取 6 个有效候选中的最好最差。限制是表内未报告训练步数和完整硬件预算，复现时需要参考训练曲线中的显卡小时作为粗略成本信号，原文未给出完整耗时统计，不能承诺具体开销。本表数值与单位依据论文 PDF。
单块扰动后表示距离与质量如何变化
单块干预实验在滞后 0 处测量与基准的均方根误差，曲线对干预位置取平均，阴影带表示范围。读图时先分清任务和对象，再看随干预后块数增加的趋势，结合质量变化判断好坏。
看图路径： 1. 区分蓝色系与橙黄色系分别对应文本转语音和语音去噪任务；2. 比较主干状态距离与隐变量距离随干预后片段数的变化趋势；3. 注意阴影带表示不同干预位置的范围而非单次运行
论文图 2。原论文 Figure 2:：“Single-patch intervention at lag 0. RMSE is relative to the anchor; lines average over intervention positions and bands show their range.”。
图 2 横轴是干预后经过的块数，纵轴是相对基准的均方根误差。蓝色系对应文本转语音，橙黄色系对应语音去噪，主干距离在文本转语音中持续爬升，而去噪任务的主干距离先升后降，隐变量距离相对平稳。这支持局部扰动会传导到后续主干状态，且传导形态与任务有关。结合冻结重放降低整体质量而正常展开带来小幅正向变化的结果，可以得出表示距离大不等于质量差，允许未来条件变化可能得到与固定条件下重采样不同的结果。论文明确指出这不证明存在显式纠错机制，因为重放可能制造块与上下文不一致的组合，结论只支持偏好要在完整 utterance 上评价。
正式评测与跨模型迁移说明了什么
正式英文评测分零样本和情感两部分，报告词错误率、两种说话人相似度、整体质量和情感相似度。初始化只变噪声的基线增益有限，而主干后部层的噪声或配置扰动版本大幅改善可懂度，这与超出初始化的扰动提供更有用监督以及选择性流时间采样的解释一致。在 Ming 上噪声扰动在说话人和情感相似度上更高，配置扰动在整体质量和情感分支词错误率上更好，提示扰动应匹配模型和目标属性。
在只支持常微分方程的声学头上，配置扰动在 2 分支都改善词错误率和整体质量。由于基线在时间采样上也不同，该比较不能单独分离候选构造的作用。只用优选样本的有监督微调和 ARDM-DPO 基线在多数指标上未超过本文方法，但这是在自动奖励和崩溃样本影响下的结果，Ming 基础本身零样本词错误率很高，崩溃会放大平均值，解读时要看分布，不能只看均值。论文未做听众评价，所有正式结论都以自动奖励为准，这是一个明确的适用边界。
流时间选择为何不能只看训练损失
流时间决定在哪个噪声水平比较两个候选。论文固定更新主干后部，比较固定值、离散区间和全区间均匀采样。训练曲线显示某个固定值损失最低，但奖励增益不是最大，全区间均匀采样奖励点估计为负。下图展示了损失曲线的分离，读图时注意纵轴是训练损失，横轴是显卡小时，左图不同流时间下损失下降速度不同，右图联合更新的损失更低但后文生成奖励并未更高。
看图路径： 1. 左图比较不同流时间采样下训练损失随显卡小时的下降快慢；2. 右图比较只更新主干、只更新扩散头和联合更新的损失曲线；3. 注意训练损失最低的曲线不一定对应生成奖励最高
论文图 4。原论文 Figure 4:：“Training curves for Table 4.2: (a) flow-time sampling (AR-8); (b) trainable scope.”。
图 4 左图固定小流时间的曲线最低，右图联合更新主干加扩散头的损失低于只更新主干。这说明不同流时间定义了不同预测任务，拟合某个噪声水平更容易不等于整句生成更好，选择必须在生成语音上验证。主实验和模块消融用生成计划中的离散时间在中间区间，与连续均匀窗口不同，不能混为一谈。下表整理流时间消融中有逐字证据的生成结果与留出集基线，比较问题是在相同更新范围下不同流时间谁的生成更好，条件是更新主干后部，指标方向是奖励增益越高越好。
| 实验条件 | 奖励增益点估计 | 提示数 | 基线奖励 | 置信区间方向 |
|---|---|---|---|---|
| 固定 t=0.45 | +0.137 | 100 | 7.44 | 区间在零之上 |
| 全区间 U(0,1) | (−0.069) | 100 | 7.44 | 区间包含零 |
| 留出集基线 | WER 0.143 | SIM 0.466 | DNSMOS 2.82 | 100 条英文提示 |
上表显示固定 0.45 的奖励点估计为正且区间在零之上，全区间均匀采样点估计为负且区间包含零，留出集 Ming 基础的奖励、词错误率、相似度和整体质量提供了对照起点。限制是这些估计来自 100 条留出提示，置信区间较宽，且只在特定更新范围下测得，换更新范围结论可能变化，未胜出的是全区间均匀采样，它提醒覆盖全部噪声水平未必有益。本表数值与单位依据论文 PDF。
更新主干还是声学头效果有何不同
模块消融用同一批噪声扰动偏好对和离散时间分布，比较只更新主干后部、只更新扩散头以及联合更新。只更新声学头时模型与参考对同一候选的主干条件相同，只更新主干时声学头权重固定但梯度经声学头反传到主干状态，模型与参考条件不同。结果上更新主干后部奖励点估计最高，同时词错误率下降、说话人相似度上升，只更新扩散头接近基础模型。联合更新训练损失更低但奖励增益没有更大，支持在固定声学头下调整供给它的条件是有效的。
下表整理该消融中有逐字证据的关键数字，比较问题是相同数据和时间下哪个更新范围生成更好，公平条件是同一批噪声扰动对和同一时间分布。
| 更新范围 | 奖励增益 | 词错误率变化 | 说话人相似度变化 | 损失与奖励关系 |
|---|---|---|---|---|
| 主干后 16 层 | +0.737 | 从 0.143 到 0.060 | 从 0.466 到 0.508 | 奖励点估计最大 |
| 联合 16 加 8 | (+0.701) | 从 0.143 到 0.063 | 从 0.466 到 0.509 | 损失更低但增益未更大 |
上表显示主干后部把词错误率从 0.143 降到 0.060，相似度从 0.466 升到 0.508，而联合训练虽然损失更低但奖励增益为 0.701 左右并未更大。代价是更新范围大意味着可训练容量和优化成本不同，不能据此说声学头更新一般无用。限制同样是留出集规模小，且训练用教师强制、评测用自回归生成，结论只在该流程下成立。未胜出项是只更新声学头，它提醒单纯增加可训练参数不保证生成更好。本表数值与单位依据论文 PDF。
结论的适用边界与常见误解
第一个边界是数据和指标。训练混合朗读和情感语音，留出集 100 条英文提示，正式集 650 条英文提示，奖励是自动函数的组合，没有听众偏好验证，因此不能把自动增益等同于人耳偏好。第二个边界是模型和采样器。Ming 支持随机和确定性采样，dots.tts 声学头只用常微分方程，前者可用噪声和配置两种扰动，后者只适用配置扰动，扰动选择要匹配所支持的采样器。第三个边界是更新容量。
主干后部与扩散头后部的参数量和优化难度不同，主干更好的结果不证明声学头不重要，联合训练损失更低但生成未更好也说明容量不是唯一因素。常见误解是认为表示变化越大质量越差或损失越低生成越好，论文用冻结重放与正常展开的反例以及流时间和模块消融的损失与奖励脱节直接反驳了这两种直觉。
另一个误解是把按提示选最优的增益当成实际可部署的提升，原文明确那是事后最优，只能说明固定配置的不足，不能当作运行时能获得的收益。来源方面，本次未发现可验证的作者代码、模型或数据公开记录，因此不能声称已开源或可下载，这不是技术缺陷，只是来源未确认。
复现第一步要做什么
复现应从候选生成开始。准备文本提示和参考语音，用基础模型在两种扰动下各生成多个候选，记录所用求解器、引导强度、求值步数和噪声种子，保证噪声扰动固定设置、配置扰动共用初始噪声。对每个候选计算固定奖励，包括词错误率、说话人相似度、情感相似度、DNSMOS、时长和有效性，剔除无效候选后按提示取最高最低配对并要求间隔至少 0.1。
接着实现流匹配偏好损失，在变分自编码器隐变量上按流时间插值加噪，模型与关闭适配的参考复用相同噪声和时间，对有效块平均误差得到能量，再算参考相对差距和加权损失。训练时冻结声学头、只给主干后部加低秩适配，反传经过声学头到主干状态，流时间从生成计划的离散时间在中间区间均匀抽取，每对共用一个标量时间。评测必须完整自回归生成整句，再算自动指标和置信区间，不能只看训练损失。
关键超参数保留 beta 为 200、秩为 8、恒定学习率 5×10−5、有效批量 128，信息条件是教师强制训练而自回归评测。复现时不要用单一配置代替按提示选择，诊断池已显示最频繁获胜的配置只在少数提示上最好。
什么时候值得尝试与还缺哪项验证
当你的连续自回归语音模型对同一输入生成不稳定，改变噪声或推理设置能得到明显好坏差异，且自动奖励能区分可懂度、音色和质量时，值得尝试本文的偏好后训练。优先从固定声学头、更新主干后部层开始，流时间先在中间区间的生成计划离散时间中选择，并同时跟踪训练损失和生成指标，避免只用损失选型。如果声学头只支持确定性采样，就用配置扰动而非噪声扰动。
还缺的关键验证是听众评价，当前所有增益都基于自动奖励，论文明确未来工作要补听众判断并考察更长 utterance。此外，训练与推理开销、输出帧率和实际延迟未系统测量，不能承诺效率改善，部署前需单独测算。代码、权重和数据三者要分开确认，当前没有可验证的公开记录，复现应按原文描述自行实现。总体上，论文的价值在于把声学采样和自回归条件放在同一偏好目标下考虑，并用受控实验说明两者都需验证，而不是给出一个放之四海的固定配方。
📎 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