📄 连续自回归语音语言模型的偏好后训练：采样、流时间与更新位置
英文题目：What Matters in Preference Post-Training of Continuous Autoregressive Speech Language Models
标签：#文本到语音 | #偏好优化 | #流匹配 | #自回归模型 | #后训练
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：机构信息未在 arXiv HTML 中可靠披露
- Yao Qian：机构信息未在 arXiv HTML 中可靠披露
- Dekun Chen：机构信息未在 arXiv HTML 中可靠披露
- Yufei Liu：机构信息未在 arXiv HTML 中可靠披露
- Junan Zhang：机构信息未在 arXiv HTML 中可靠披露
- Chong Jing：机构信息未在 arXiv HTML 中可靠披露
- Han Wang：机构信息未在 arXiv HTML 中可靠披露
- Yuxiang Wang：机构信息未在 arXiv HTML 中可靠披露
- Zhizheng Wu：机构信息未在 arXiv HTML 中可靠披露
📌 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，逐块输出连续声学语音波形，难点是局部声学采样会进入自回归历史并改变后续条件，难以仅凭单步预测误差判断好坏。论文先做冻结轨迹回放与单块干预，对比固定条件下重采样与正常闭环生成的表示变化和语音质量差异，说明偏好须在完整话语上评判且自回归主干与扩散头都相关。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，再以固定自动奖励打分并取最高与最低且满足奖励间隔的组成偏好对。最后在流匹配预测误差上构造相对参考的偏好损失，用同一流时间与训练噪声比较胜负候选，并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基线词错误率WER为30.56%，自回归后16层更新加噪声扰动版本WER为5.74%，低于基线。最低训练损失并不持续对应最好语音，流时间与可训练模块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；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
这类语音模型要完成什么输入输出
论文研究的是连续自回归语音语言模型，输入是文本提示加上少量参考语音，输出是连续波形。模型不输出离散语音单元，而是把波形经变分自编码器压成一串连续声学块，再逐块生成。生成时先由自回归主干根据文本和已生成块算出条件状态，再由扩散或流匹配头在该条件下把随机噪声变成下一个声学块，新块又被送回主干作为下一步历史。
这种结构被用于文本转语音和语音去噪等任务，同一输入多次采样会得到可懂度、音色相似度和感知质量不同的结果。后训练的目标就是让这种不稳定输出在不同输入下都更可靠。读者需要记住两个信息流：主干提供跨块的衔接条件，声学头提供块内细节，任何一处的扰动都可能通过历史影响后续生成，这也是后文所有干预和更新选择的起点。
偏好优化在这类模型中的已有位置
论文把自己的位置放在两条线的交点上。一条是直接偏好优化，它用成对的胜者与败者回答学习偏好，避免显式训练奖励模型。另一条是把偏好思想搬到扩散生成，用去噪预测误差代替难以计算的序列似然。已有语音合成与修复工作证明了从生成差异中学习是有效的，但原文指出，仅有目标函数并不能回答两个实际问题：拿哪两条候选做比较，以及更新哪部分参数。
连续自回归模型同时有自回归条件和声学采样，候选构造、流时间采样与可训练模块是相互关联的选择。本文的对照都固定在相同的偏好目标下比较这些选择，而不是提出一个全新的偏好目标家族。理解这一点很重要，后文所有胜负都不是凭空给定的，而是要在相同奖励和相同损失形式下比较哪种扰动和哪种更新范围更有效。
论文要回答的三个具体问题
第一个问题是局部采样变化会不会改变后续生成，以及这种表示层面的变化是否等同于语音质量变化。第二个问题是如何从生成可变性中得到有用的偏好对，是只扰动噪声，还是也扰动推理配置。第 3 个问题是在流匹配近似下，应该在哪个噪声水平比较胜负，以及应该更新主干、声学头还是两者都更新。
3 个问题通过自回归反馈串起来：因为每个采样块都会成为后续历史，所以只看单块重采样误差是不够的，必须在完整话语上评价偏好，也必须检验主干条件的作用。论文用受控重放、单块干预、候选池分析和流时间与模块消融来分别回答，结论都限定在自动奖励和所测模型设置内，没有做听众主观评价，这是阅读结果时必须守住的边界。
从候选生成到偏好更新的整体流程
整体流程分三步。先为每个输入生成多个候选，对文本转语音和去噪任务，用不同噪声或不同推理配置得到多条完整语音，再用固定自动奖励打分，取最高分与最低分组成胜负对，要求分差达到阈值。然后在训练时对胜负对的干净隐变量加噪，在某个流时间上计算模型与参考模型的流匹配误差差，形成参考相对间隔。最后用偏好损失增大胜者间隔、减小败者间隔，只更新选定的模块。训练用教师强制，即用干净历史算条件。
评测则闭环自回归生成完整话语，再算奖励、字错误率、相似度和整体质量。主实验与模块消融使用生成计划表中 0.3 到 0.6 之间的离散时间，而不是连续均匀采样，这是复现时容易忽略的细节，也是后文流时间消融要对照的关键点。
主干条件与声学头如何分工生成
沿着一个样本走一遍：输入文本记为条件，已生成块记为历史，当前步主干输出条件状态，声学头以该状态、历史和推理设置、采样噪声为输入，输出当前声学块，新块进入历史并影响停止决策。原文用公式概括了这一步，符号含义是条件状态、声学块、自回归主干与声学头之间的函数关系。
自回归主干 × 扩散头： 自回归主干负责根据文本输入和已生成语音历史算出每一步的条件状态，扩散头负责在该条件下把噪声变成具体声学块；前者决定跨块衔接，后者决定块内细节，偏好训练要同时考虑条件变化和采样变化两条路径。
下图展示了这种双层结构，底部是长的自回归变换器，顶部是每个位置的扩散头，虚线回路强调了生成块回到主干的反馈。读图时先看主路径再看回路，才能理解为何只改声学采样也会改变后续条件，图中图例区分了文本单元、语音单元与语音隐变量 3 种符号。
看图路径： 1. 先沿底部文本提示和语音输入进入自回归变换器的主路径，再看向上的条件箭头；2. 再看每个扩散头如何向上生成语音隐变量并形成顶部连续波形；3. 最后追踪虚线回路，看已生成块如何回到主干成为下一步历史
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.”。
图中底部圆圈是文本提示，方块是语音输入，中间深色长条是自回归变换器，上方每个浅色框是一个扩散头，最上方是连续波形，虚线箭头把已生成的语音隐变量送回主干。这说明偏好监督若只管单块质量，不管条件漂移，就可能在完整生成时失效。
\[h_{k}=F_{\phi}(c,z_{\lt k}),\qquad z_{k}=G_{\theta}(\epsilon_{k};h_{k},z_{\lt k},a),\]单块扰动如何通过历史影响后续
为了分离局部采样效应与后续生成变化，论文设计了 3 种干预。闭环展开是改变采样噪声后让模型正常继续生成，允许新块影响后续主干状态、声学上下文和停止决策。冻结轨迹重放是先记录一条锚定话语，再重采样其各块但固定锚定的主干状态、隐上下文和停止决策，复用原始噪声即可复现锚定，这冻结的是条件轨迹而非主干权重。单块干预是只重采样某一个块再恢复正常生成，从干预点开始度量与锚定的距离。
单块实验显示，干预处的隐变量变化之后会出现主干状态变化，文本转语音中主干偏离持续增大，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，冻结重放改变了隐变量但主干不变，整体质量下降，而闭环展开隐变量距离更大却有小的正向质量变化。这提示重放可能制造了块与上下文不一致的组合，不能据此断言存在显式纠错机制，只能说明偏好应在完整话语上评价。
下图是单块干预后随块数变化的均方根误差，横轴是干预后的块偏移，纵轴是相对锚定的距离，线条按干预位置平均，色带是位置范围。读图前要先分清 4 条线分别对应两种任务的主干与隐变量距离，特别注意零点附近隐变量与主干的起始高低差异。
看图路径： 1. 区分不同颜色曲线分别对应文本转语音与去噪任务的主干与隐变量距离；2. 比较主干状态距离随干预后块数变化的不同走向，一条继续上扬一条回落；3. 注意干预点处声学距离先跳起而主干距离随后跟上的先后关系
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.”。
图中可见干预点处隐变量距离先跳起，主干距离随后跟上，文本转语音的主干曲线继续上扬，去噪的主干曲线回落。这种分叉是理解后文为何要在完整生成上选对、为何要更新主干的关键证据，也解释了为何只看单块误差会误判质量。
\[x_{t,k}=(1-t)\epsilon_{k}+tz_{k},\qquad u_{k}=z_{k}-\epsilon_{k},\]流匹配能量与偏好间隔如何计算
由于序列似然代价太高，论文用流匹配预测误差做替代。每个波形先编码为隐变量序列，在流时间上对每个干净块做噪声与干净的线性插值，目标速度是干净减噪声。这里流时间等于零表示纯噪声，等于一表示干净数据。流匹配能量是对所有有效块的预测速度误差平均，条件由教师强制下的主干状态给出。参考模型是关闭低秩适配后的同一模型，用同样的干净历史重新算条件。
胜负各自的参考相对分数是参考能量减模型能量，配对间隔是胜者分数减败者分数。训练目标是对该间隔做加权的对数函数，权重随间隔减小而增大，即难样本权重更大。梯度形式是胜者能量梯度减败者能量梯度再乘以系数，这与直接偏好优化中比较胜负对数密度比的思想对应，只是把对数密度换成了负能量。
流时间 × 流匹配能量： 流时间表示从纯噪声到干净语音之间的插值位置，决定加噪程度，流匹配能量是在该位置上模型预测速度与目标速度的平均平方误差；偏好比较不是直接比波形，而是比在选定噪声水平下谁更接近干净目标。
下面的公式先定义加噪插值，再定义偏好损失与梯度，阅读时先看符号输入再看计算目标，不要把训练时的加噪与生成时的采样噪声混为一谈，加噪输入是按插值公式新构造的。
\[\mathcal{L}_{\mathrm{pref}}=-\mathbb{E}_{(c,z^{w},z^{l}),\,t\sim p_{t},\,\Xi}\log\sigma\!\left(\beta M_{\phi,\theta}\right),\]该损失对每个胜负对共享一个标量时间，覆盖该对的全部块，候选长度不同时公共范围用相同噪声，较长候选多出的块再额外采样，模型与参考对同一候选复用相同噪声与时间。
\[\nabla_{\psi}\ell=\beta\sigma(-\beta M)\left(\nabla_{\psi}E_{\psi}^{w}-\nabla_{\psi}E_{\psi}^{l}\right).\]梯度式表明更新比较的是胜负两条梯度，参考模型固定不更新，系数随参考相对间隔变小而变大。
直接偏好优化 × 参考相对间隔： 直接偏好优化是让模型提高胜者相对参考模型的对数密度比、降低败者相对参考模型的比值，参考相对间隔是本文用负的流匹配能量差来近似这个比值；训练目标变成增大胜负能量差的加权间隔，间隔越小的难样本权重越大。
如何从生成可变性中挑出胜负对
候选构造有两种扰动。噪声扰动在固定推理设置下改变随机微分方程采样中注入的噪声，配置扰动则共享初始噪声而改变采样器设置，包括常微分方程采样、无分类器引导强度和函数求值次数。每个提示生成多个有效候选，用固定奖励打分，只保留最高与最低且分差不小于阈值的配对。诊断池分析显示，在 8 种配置的池子里，最常获胜的配置只在少数提示上最好，归一化胜者熵较高，按提示选最优比固定用一种配置高出一段标准化奖励。
这说明最优配置随输入变化，固定配置无法捕捉输入相关的监督信号。阈值过滤则显示，间隔越大保留的对越少但越分明，这是典型的质量与数量权衡。
噪声扰动 × 配置扰动： 噪声扰动指固定推理配置只改变采样噪声，配置扰动指固定初始噪声而改变求解器、引导强度或函数求值次数；前者考察随机性敏感性，后者考察解码配置系统性差异，两者都是为了得到同一输入下有明显质量差距的胜负对。
下图左面板比较固定最优与按提示选最优的标准化奖励，右面板显示保留对数随奖励间隔的变化，阅读时把两图连起来看才能明白为何论文用最高减最低并设阈值，横轴分别是评估层与奖励间隔，纵轴分别是奖励与保留对数。
看图路径： 1. 左图比较每个评估层上固定最优配置与按提示选最优配置的标准化奖励差距；2. 右图观察奖励间隔阈值增大时保留对数如何从二十千左右快速下降；3. 结合两图理解为何需要按输入挑选胜负对而非固定一种解码配置
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.”。
左图中每个评估层的固定最优与按提示选最优之间存在明显竖线差距，右图中曲线随阈值快速下降。这为后文用噪声或配置扰动构造偏好对提供了动机，但这些池内比较还不是独立训练对，训练对还要经过有效性与阈值筛选，不能直接当作训练样本数。
下表整理诊断池中不同奖励间隔保留的比较数，用于说明偏好对的数量与分明程度如何随阈值变化，数值越大表示保留越多，阈值越大表示要求越严，比较条件是同一池内同一提示的成对比较。
| 奖励间隔阈值 | 保留比较数 | 总比较数 | 比较范围 | 筛选意义 |
|---|---|---|---|---|
| 0.1 | 12,867 | 20,160 | 同提示内比较 | 保留较多但分明程度较低 |
| 0.2 | 8,366 | 20,160 | 同提示内比较 | 数量减少但胜负更分明 |
| 0.5 | 2,978 | 20,160 | 同提示内比较 | 保留最少但差距最大 |
阈值从 0.1 提高到 0.5 时保留数明显下降，说明更大的间隔能筛出更分明的对，但代价是可用对大幅减少。后文训练用至少 0.1 的间隔并在每个提示取最好与最差各一条，这是在数量与质量之间的折中。该表只说明池内比较的筛选特性，不能直接当作最终训练对数，最终训练还受有效性与六选一等条件约束。本表数值与单位依据论文 PDF。
流时间采样与更新范围如何设置
每个训练对共享一个标量时间，模型与参考复用相同噪声与时间，加噪输入按插值公式新构造，不回放生成偏好对时用的噪声，也不回放推理中间状态。主实验从生成计划表中 0.3 到 0.6 的离散时间均匀采样，这与消融表中的连续均匀窗口不同。更新范围分 3 种：只更新声学头时，给定候选下模型与参考的主干条件相同；只更新主干时声学头权重固定，但梯度经声学头反传到条件状态与主干，此时模型与参考对同一候选算出不同条件；联合训练则两者都更新。
所有情况胜负条件都各自从各自历史算出，训练用教师强制，评测用自回归生成。这种设置让主干更新即使不改声学头权重，也能通过改变输入给固定头部的条件来改善语音。
教师强制 × 闭环生成： 教师强制指训练时用干净历史算主干条件并只做单步去噪误差，闭环生成指评测时把已生成块喂回主干再生成下一块；前者切断误差向未来的传播以便稳定训练，后者保留传播以检验真实语音质量，因此必须用完整生成话语验证训练选择。
下图训练曲线显示不同流时间与不同更新范围的损失走向，读图前要明确横轴是图形处理器小时而非训练步，纵轴是训练损失而非生成奖励，左图按流时间分组右图按更新范围分组，图例区分了固定时间与均匀采样等不同设置。
看图路径： 1. 左图对比不同流时间采样下训练损失随图形处理器小时数的下降速度差异；2. 右图对比只更新主干、只更新扩散头与联合更新三类曲线的相对高低；3. 注意损失最低的曲线并不对应后文生成奖励最好的设置
论文图 4。原论文 Figure 4:：“Training curves for Table 4.2: (a) flow-time sampling (AR-8); (b) trainable scope.”。
左图在更新主干后部层时比较不同流时间采样的损失下降，其中固定较小时间的曲线降得最低，右图比较只更新主干、只更新扩散头与联合更新的走向，联合更新的曲线低于只更新主干。两图横轴都是计算时间，纵轴都是训练损失，损失更低并不对应生成奖励更好，读图时要把曲线高低与后文奖励增益对照起来看。
下表整理训练配置的关键超参数，用于界定复现时的优化条件，数值只在相同模型与数据下可比，不同模型间不能直接比大小，比较问题是轻量适配下偏好更新的计算设置是什么。
| 训练提示混合比 | 偏好系数 | 低秩适配秩 | 学习率 | 有效批量 |
|---|---|---|---|---|
| 1:1 | 200 | 8 | 5 × 10−5 | 128 |
该表说明后训练是在小秩适配与固定学习率下做的轻量更新，而非全参数大改。偏好系数控制间隔的缩放，批量与学习率决定了梯度噪声与步长，复现时若改模型规模或数据混合，需要重新验证这些值是否仍然稳定，不能默认照搬就能得到相同奖励提升。
训练数据奖励与评测条件是什么
训练提示按 1 比 1 混合朗读与情感语音，每个提示生成 6 个有效候选并取最好与最差组成对，要求奖励分差至少达到阈值。奖励组合了大模型字错误率、说话人相似度、情感相似度、整体质量、时长与有效性。训练超参数为偏好系数、低秩适配秩、恒定学习率与有效批量。只用胜者做监督微调作为对照，另有两个按发表配置更新主干后部层的基线，它们在候选生成时只变初始高斯噪声且用各自原生采样器。
探索性留出集含 100 条英文提示，基线奖励、字错误率、相似度与整体质量都有报告。正式比较用 500 条英文零样本加 150 条英文情感的官方列表，部分基线生成会出现崩溃导致字错误率超过 100 分之百并拉高平均，这在读平均字错误率时必须注意。跨模型验证用了连续自回归结构的另一模型，它只有常微分方程头，只适用配置扰动。
字错误率 × 说话人相似度 × DNSMOS 整体质量： 字错误率衡量可懂度，越低越好，说话人相似度衡量生成音色与参考音色的余弦接近程度，越高越好，DNSMOS 整体质量是自动预测的感知质量分，越高越好；三者分工是防止只优化流畅度而丢了音色，论文把它们连同情感相似度等组合成自动奖励。
正式评测中哪些设置真正改善了语音
正式英文评测分零样本与情感两部分，指标方向是字错误率越低越好，说话人相似度、整体质量与情感相似度越高越好。结果显示，只变初始噪声的基线提升有限，而更新主干后部层的噪声扰动与配置扰动变体大幅改善了可懂度。对所测主模型，噪声扰动在说话人与情感相似度上更高，配置扰动在整体质量与情感子集字错误率上更好，说明扰动方式应与模型和目标属性匹配。
对只有常微分方程头的另一模型，配置扰动在两部分的字错误率与整体质量上都有改善。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贡献，这是原文明确的限制。只用胜者做监督微调与只更新扩散头后部层的变体接近基线，没有带来类似主干更新的提升。
下表对比留出集上基线与更新主干后部层的效果，比较问题是固定声学头只改主干条件能否同时改善可懂度与相似度，字错误率越低越好，相似度越高越好，奖励增益越高越好。
| 系统 | 整体质量 | 奖励增益 |
|---|---|---|
| 基线 | 2.82 | — |
主干后部层更新的奖励点估计为正且较大，字错误率明显下降，说话人相似度上升，说明在该设置下只改条件也能有效改善完整生成。这不支持头更新一般无用的泛化结论，因为可训练容量与优化代价也不同，而且证据只来自自动奖励，听众偏好尚未验证。基线崩溃导致的高字错误率在正式集上更明显，读数时要区分平均值被极端样本拉高的情况。
更新主干与更新声学头有何不同
用相同的噪声扰动偏好对与离散时间分布比较更新范围，更新主干后部较多层奖励点估计最大，字错误率与相似度同步改善，更新较少层改善较小，只更新声学头则接近基线。联合更新训练损失比只更新主干更低，但奖励增益没有更大。这说明在该设置下，更新供给固定头部的条件是有效的，即使声学块由头部产生。这并不意味着头部更新一般不必要，因为不同选择的容量与优化路径不同。教学上可以这样想：主干像是决定每一步衔接的指挥，头部像是执行细节的乐手，指挥的调整即使乐手不变，也能让整段演奏更连贯，但这不等于乐手永远不需要练习。
下表比较固定与全范围流时间采样的奖励增益，比较条件是相同更新范围，奖励增益越高越好，置信区间包含零表示证据较弱，区间在零之上表示点估计有较强支撑。
| 流时间设置 | 置信区间特征 | 更新范围说明 | 采样说明 |
|---|---|---|---|
| 0.45 | 区间在零之上 | 相同更新范围 | 固定时间采样 |
| U(0, 1) | 区间包含零 | 相同更新范围 | 全范围均匀采样 |
固定时间的点估计为正且区间不含零，支持有改善的判断，全范围采样的点估计为负但区间包含零，只能说在该次估计中没有观察到改善，不能断言全范围一定有害。该消融只在特定更新范围下测得，换更新范围或换模型后结论可能变化，选择流时间仍需在生成端复检。
这些结论在什么条件下才成立
所有改善都基于自动奖励，没有听众评价，自动指标的提升不等于人耳偏好提升。正式集上基线崩溃会抬高平均字错误率，平均数改善部分来自减少崩溃，平稳样本上的细粒度提升需要另看分布。候选构造与时间采样的比较存在混杂，基线同时改了时间采样，因此不能把跨系统差距全部归因于候选构造。表示变化与质量的关系只在所测的文本转语音与去噪干预中观察到，换任务、换时长或换解码器后，主干偏离的走向可能不同。
训练用教师强制而评测用闭环生成，两者不一致意味着训练误差小不保证生成好，这正是论文反复强调要用生成端验证的原因。未评测的范围包括更长话语、其他语言与实时推理开销，缺这些测量就不能承诺延迟或成本会改善。
复现第一步要固定哪些信息条件
复现先固定数据与评测：按 1 比 1 混合朗读与情感提示，留出 100 条英文做快速验证，正式用五百加 150 条官方列表，奖励固定为字错误率、说话人相似度、情感相似度、整体质量、时长与有效性的组合，阈值取原文值，每个提示六选一取最好与最差。然后固定训练：偏好系数、低秩秩、恒定学习率与有效批量按原文设置，时间从 0.3 到 0.6 的离散计划时间均匀采样，每个对共享标量时间并为模型与参考复用相同噪声，只更新主干后部层而固定声学头。
候选生成要按模型选扰动，支持随机微分方程的用噪声扰动，只有常微分方程头的用配置扰动并调引导强度与函数求值次数。评测必须闭环生成完整话语再打分，不能只看训练损失。代码、权重与数据是否公开是三件事，本篇未发现完成验证的作者资源，不得声称已开源，复现需按原文描述自行实现。
什么时候值得尝试与还缺哪项验证
当同一输入多次采样质量不稳定，且最优解码配置随输入变化时，值得尝试按输入挑胜负对的偏好后训练；当声学头已较好但长句衔接或音色一致性差时，优先验证固定头只更新主干后部层。复现第一步是先跑通六候选打分与阈值筛选，再在小留出集上对比固定流时间与离散窗口的生成奖励，而不是先调大模型。还缺的关键验证是听众偏好测试，以及对崩溃样本与正常样本分开统计，避免平均数掩盖真实分布。
容易产生的误解有三点：一是把训练损失低当成生成好，本文恰好证明两者不一致；二是把主干有效当成头部无用，原文明确说容量与代价不同，不能泛化；三是把按提示选最优的增益当成可部署的提升，那是事后最优，只能说明监督信号存在，不能直接获得。记住偏好更新要同时考虑声学采样与自回归条件，任何只改一端的选择都要在完整生成上复检。
📎 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