📄 跨 18 个月追踪说话与表情的衰减来识别轻度认知障碍
英文题目：CogDrift-4D: Hierarchical Multimodal Modeling of Temporal Behavioral Decay for MCI Detection
评分：5.5/10 | 创新 1.2/2 | 技术严谨 1/1.5 | 实验充分 0.8/1.5 | 清晰度 0.7/1 | 影响力 0.5/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 1/1.5
👥 作者与机构
- Sankalp Vaish：机构信息未能在本次解析中与作者逐人可靠绑定
- Sumukh Veeramalla：机构信息未能在本次解析中与作者逐人可靠绑定
- Rishank Singh：机构信息未能在本次解析中与作者逐人可靠绑定
- Caroline Summerour：机构信息未能在本次解析中与作者逐人可靠绑定
- John A. Batsis：机构信息未能在本次解析中与作者逐人可靠绑定
- Xiaohui Liang：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
轻度认知障碍筛查需要可在家庭环境重复使用的非侵入工具，难点在于面部动作单元、声学能量和语言表达随时间缓慢变化，且受环境噪声和缺失会话干扰，单次快照难以区分偶发疲劳与持续衰退。论文把与Amazon Alexa的问答、提问和应答三类任务的同步音视频与转写文本对齐为批×会话×时间×特征四维张量，覆盖7次会话共18个月的纵向过程。帧级视频与音频先经会话内注意力编码并计算最小二乘回归斜率以量化急性表达减弱，再由句子嵌入提供语义先验做早期融合，质量门按会话评估各通道可靠性并过滤低质量特征。随后会话描述送入带记忆状态的跨会话反馈编码器累积漂移，同时保留急性斜率和宏观轨迹，这与扁平化平均或仅做单会话对齐的方法不同。在按参与者分组的5折交叉验证中，CogDrift-4D的准确率为0.733±0.13，高于纵向序列基线M-BEHRT的0.6571±0.13；其F1分数为0.716±0.15，也高于M-BEHRT的0.6364±0.17。结论仅适用于MoCA小于26为障碍的二分类和该小规模居家对话场景，跨地域口音与多中心泛化尚未验证。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
为什么要在家里连续观察轻度认知障碍
这篇论文要解决的是轻度认知障碍的早期可扩展筛查。轻度认知障碍处在正常老化和痴呆之间，记忆语言或执行功能已有可测缺损但日常生活基本自理，每年有一定比例会进展，越早发现越有干预窗口。传统做法依赖蒙特利尔认知评估和简易精神状态检查，需要到诊所由受训人员面对面施测，做一次可以，但很难每 3 个月重复一次，更难覆盖大量居家老人。
论文的思路是把日常说话时的脸、声音和语言当作可连续采集的行为信号，用消费级设备在自然对话里记录下来，再看这些信号在 18 个月里是保持稳定还是慢慢衰减。输入是与亚马逊音箱的多轮音视频及转录文本，目标是区分轻度认知障碍与健康对照，输出是一个二分类判断，必须保留的是时间结构，既有一次对话内部几分钟的起伏，也有跨多次访视的长期走向。如果把长期时间压平，就只剩一张静态快照，论文认为那会丢掉衰退轨迹这个关键信息。
已有路线为什么只看单次录音或单种信号
相关工作大致分 3 条线。第一条是语音生物标志物，用会话语音的声学韵律和文本语言学特征做认知评估，也有人只用转录文本的语言线索，这类工作证明了说话值得看，但往往只用声音或只用文字，没有同时看脸。第二条是情感计算和多模态情绪理解，说明表情和肌肉动作能补充认知健康信息，有研究指出面部线索可以区分痴呆，但多数只做单次录音的局部标志。
第 3 条是影像和大语言模型，磁共振和 PET 对痴呆诊断有价值但贵且依赖医院，不适合居家纵向监测，大语言模型则偏重文本且计算重，不适合直接处理连续音视频流。论文把自己放在前两条的延长线上，沿用语音助手做认知监测的采集方式，但强调两点不同，一是从单次快照扩展到 7 次纵向，二是从单模态扩展到脸声文同步建模。比较时要注意输入和任务必须一致，单次对单次、纵向对纵向才有意义，不能把只看一次的模型的分数直接当成能捕捉长期漂移的证据。
任务的输入输出与必须保留的时间信息
具体任务是这样的，每位老人参加 7 次实验，每次间隔约 3 个月，总跨度 18 个月，每次约 40 到 75 分钟，包含提问回答、自发提问和系统提示回答 3 种口语任务，全部同步录音录像并生成转录。标签来自蒙特利尔认知评估，18 到 25 分为轻度认知障碍，26 分及以上为健康，建模时按小于 26 为阳性做二分类。数据被整理成批量乘会话乘时间乘特征的 4 维张量，意思是同一批样本里，每个人保留会话维，每节内部保留帧序列维，每帧保留特征维，缺失帧用掩码标出。
必须保留的信息有三层，一是帧级动态，比如一句话里表情和音高的起伏，二是节内衰减，比如说到后半段是否越说越弱，三是节间漂移，比如第 1 节到第 7 节整体是否走低。如果用平均池化把 18 个月压成一个向量，或者每次独立编码再简单平均，论文认为这两种做法都会抹掉衰减斜率和漂移方向，这正是后面两个内部基线要验证的失败条件。
整体流程如何从四维张量走到分类输出
读懂全图可以先走一条主路再看两条侧支。主路从左上角的视频特征、音频特征和转录文本出发，先经过投影对齐，再进入按会话组织的 Transformer 编码器做帧级建模，然后做早期融合与质量过滤，再进入跨会话编码器，最后经注意力池化得到每节向量，送入晚期融合与分类器得到输出。两条侧支是发散度计算和疲劳累积器，它们不直接改主路的每帧表示，而是算出额外的分数拼到最后，帮助分类器看到脸声不同步和越说越累。下面的导读针对官方框架图，帮你按箭头顺序核对模块位置。
看图路径： 1. 从左上视频音频文本三路输入沿投影箭头看到会话编码器；2. 找到早期融合与质量门在中间如何汇入会话编码器；3. 看右侧注意力池化三分支如何进入晚期融合与分类器；4. 注意发散度与疲劳累积器两条侧支的输入来源
论文图 1。原论文 Fig. 1:：“CogDrift-4D Framework”。
图中左侧粉色框是原始 3 模态与大语言模型语义分支，黄色框是按视频和音频分开的会话编码器，中间蓝色框是早期融合、质量门、会话编码器以及右侧的发散度和疲劳分支，右侧灰色虚线框是晚期融合与分类器，橙色框是 3 路注意力池化。黑色粗线是语义向量注入的位置，虚线箭头是反馈记忆的回路。可以看到语义只在早期融合处作为先验加入，而不是直接决定分类，质量门则在进入跨会话编码前对表示做缩放。
单节内部如何对齐脸声音文字并算出不同步
单节处理要解决异步问题，脸是视频帧序列，声音是语音段特征，文字是句子级嵌入，三者采样率和时间粒度不同。论文先用掩码注意力只看有效帧，避免填充帧泄漏信息，再用多尺度差分看说话节奏，对特征序列算相隔 1、2、4 步的差，把原信号与差分拼接起来增强时间变化。脸声是否同步用两个分数表示，动态差异看差分编码后的余弦相似，捕捉时间上的错位，静态差异用整节池化向量的余弦补数，捕捉情绪状态上的错位。
原文举例说，动态不同步好比笑容比笑声晚 1 秒，静态不同步好比脸看似悲伤而声音听似生气。掩码注意力的计算形式是标准的缩放点积加掩码，查询键值来自同节帧，掩码把填充位置压住。
\[\text{Attn}(Q,K,V,\mathbf{M})=\text{softmax}\left(\frac{QK^{\top}}{\sqrt{d_{k}}}+\mathbf{M}\right)V\]该式中分母是键维度的平方根，掩码矩阵区分有效帧集合与填充，输出是富化后的模态表示。跨节记忆的反馈形式是另一条公式，当前节做查询，前一节记忆做键和值，把历史当作先验来解释当前任务。
\[\hat{\mathbf{H}}_{s}=\text{MultiHeadAttn}(Q=\mathbf{H}_{s},K=\mathbf{m}_{s-1},V=\mathbf{m}_{s-1})\]这里记忆向量是前一节的总结，当前节特征在其条件下更新，目的是让模型带着累积行为史看新一节。
面部动作单元 × 声学能量 × 最小二乘斜率： 面部动作单元指 OpenFace 提取的面部肌肉激活强度，声学能量指语音帧的响度和频谱强度，最小二乘斜率指对一节内特征模长随时间拟合的一条直线斜率，三者搭配是把表情变弱和声音变弱统一成可比较的衰减量，负斜率即代表该节内越说越没力气。
语义先验与质量门如何做早期融合
早期融合解决的是意图与行为的衔接。转录文本先经句子编码器变成稠密语义嵌入，再投影到与视听同一隐空间，然后与帧级物理表示拼接后经线性加偏置和非线性映射，得到上下文增强的时间流。这样词选择和对话结构的变化能和同时的声学表情变化联合建模，语言上下文相当于解释脸声动态的先验。但居家录制难免有噪声和丢帧，论文加了一个会话级质量门，对每节学 3 个 0 到 1 之间的系数，分别缩放视频表示、音频表示和融合流，噪声节被压向零，高保真节保留。融合的线性拼接形式如下，方括号是拼接，投影矩阵和偏置把不同维度拉齐。
\[\tilde{\mathbf{H}}_{t}=\text{ReLU}\left(W_{f}[\mathbf{H}_{t};\mathbf{H}_{in}]+b_{f}\right)\]其中一侧是帧级物理表示，另一侧是语义投影，输出是融合后的时间表示。门控本身是对整节汇总向量做线性加 Sigmoid，得到 3 通道系数再逐元素相乘。需要提醒初学者，门是软过滤不是硬丢弃，系数接近零时该通道几乎不贡献，但梯度路径仍在，训练时门参数与主干一起更新，监督来自最终的二分类交叉熵，原文没有报告门单独的监督或阈值规则。
句子嵌入 × 早期融合 × 语义先验： 句子嵌入指用句子编码器把转录文本变成的稠密向量，早期融合指在帧级别就把该向量和视听特征拼接到同一隐空间，语义先验指让语言内容先告诉模型当前在说什么，组合后模型能区分是话题本身平淡还是表情声音真的跟不上语义。
疲劳斜率与跨节漂移如何分两层计算
疲劳建模是论文强调的创新，分急性与累积两层。第一层看单节内的淡出，对隐特征每帧取二范数得到强度序列，对归一化到 0 到 1 的时间索引做最小二乘直线拟合，斜率为负表示该节内表达或声音能量在下降，可理解为一次任务中的急性耗竭。第二层看跨节的整体漂移，把每节描述子依次送入循环单元，用隐状态做累积器，比较第 1 节到第 7 节的状态变化，找出整体走低的病人。斜率公式是常见的回归斜率，分子是时间偏差与强度偏差的协变，分母是时间方差。
\[\beta=\frac{\sum_{t=1}^{T}(\tau_{t}-\bar{\tau})(y_{t}-\bar{y})}{\sum_{t=1}^{T}(\tau_{t}-\bar{\tau})^{2}}\]其中 T 是该节有效帧数，横轴是归一化时间，均值项是去均值，输出是一个标量。循环累积器的形式是以上一状态和当前节向量更新新状态，原文写作门控循环单元，隐状态即累积疲劳。两层分工不同，斜率回答一次内是否越说越弱，累积器回答多次间是否一次比一次弱，拼在一起才能区分一时累了与长期认知漂移。
记忆状态 × 交叉注意力 × 累积疲劳： 记忆状态指前一节留下的总结向量，交叉注意力指用当前节做查询去检索该记忆做键和值，累积疲劳指把多次的消耗叠加成随节演化的状态，三者搭配让当前判断带有历史基线，才能看出跨 18 个月的缓慢漂移而非单点异常。
注意力池化与晚期融合如何拼成病人向量
从帧到节再到人的聚合分两步。第一步是多分支注意力池化，对视频、音频和融合流各自学一个线性投影打分，再在有效帧集合上做 Softmax 归一化，用权重对帧表示加权求和，得到 3 个节向量。这样关键帧权重高，填充帧不参与，静音或遮挡帧若分数低也会被压小。第二步是晚期融合，把节向量连同动静态差异分数和节内外疲劳标量拼接，再与质量门系数做调制，最后经线性加 Sigmoid 得到阳性概率。
晚期融合把物理动态、语义增强、同步性失配和衰减斜率放在同一向量里，让分类器同时看到状态与变化。原文还提到全局编码器在池化前捕捉跨模态高层依赖，但细节不多，复现时应以池化与拼接的已给公式为准，不要自行脑补额外的交叉层数。
动态差异 × 静态差异 × 注意力池化： 动态差异指脸和声音在多帧差分节奏上的余弦相似，静态差异指整节池化后表情状态与声音状态的互补相似，注意力池化指对有效帧学权重再加权平均得到节向量，组合后既能发现笑晚一秒这类时间错位，也能发现脸 sad 而声 angry 这类状态错位。
质量门 × 晚期融合 × 会话描述子： 质量门指每节对视频音频和融合通道输出 0 到 1 的缩放系数，会话描述子指经注意力池化后的视频音频和融合向量，晚期融合指把这些向量连同差异分数和疲劳斜率拼成病人级向量再分类，组合后低质量节被压小，高质量证据才主导诊断。
网络规模优化设置与实际训练过程
本研究是有训练的，训练对象是分层 Transformer 分类器，不是调用冻结大模型做零样本判断。原文报告会话 Transformer 隐维度 128，8 层编码器，每层 8 头，注意力丢弃率 0.3，用 AdamW 优化器，学习率 3 乘 10 的负 5 次方，权重衰减 1 乘 10 的负 4 次方，交叉熵损失训练 50 轮，在 PyTorch 与英伟达显卡上实现。预处理编码器如人脸检测年龄估计、表情识别、面部动作单元提取、语音声学韵律提取和转录句子编码，是作为特征抽取调用的，论文没有说对它们微调，应理解为固定特征器加可训练融合与分类头。
训练的监督来自按蒙特利尔阈值划分的二分类标签，1 为轻度认知障碍，0 为健康。原文没有报告学习率调度、早停、梯度裁剪或随机种子，也没有给出每折训练时长与显存占用，复现时需要自己记录这些缺失项，不能从模型名猜测。评估用按人分组的交叉验证，避免同一人的不同节同时出现在训练与测试，这是纵向数据防止泄漏的关键。
数据规模分组方式与评价指标方向
数据集来自 35 位老人的 7 次音箱交互，每次含 3 种口语任务，名义上 35 乘 3 得 105 个数据点，每个样本是跨至多 7 节的 4 维结构，其中 2 人只有 6 节，其余完整。官方数据表示例列出参与者编号、研究编号、年龄、性别、婚姻、分钟数和 7 次蒙特利尔分数，说明每节都有独立评分与时长记录。分组按 26 分阈值，18 到 25 为轻度认知障碍，26 及以上为健康。评测用准确率、F1 和曲线下面积，越大越好，报告均值加减标准差。主比较用 5 折按人分组交叉验证训练 50 轮，消融用 10 折训练 50 轮。
基线分两类，一类是内部结构基线，基线 1 把 18 个月做掩码平均压成静态向量再经多层感知机，基线 2 每节独立多模态编码再全局平均，分别对应丢掉时间与丢掉跨节对齐的退化做法，另一类是外部临床架构改到同一 4 维输入，包括把连续任务当电子病历访视的序列模型、做跨模态亲和对齐的模型和处理缺失流的专家乘积模型。硬件只提到英伟达显卡，没有给出具体型号与耗时，成本部分无法量化。
主结果在什么条件下优于序列与单次基线
先看比较问题，在相同的 4 维行为张量输入下，只建模单次对齐或只做静态平均的方法，能否与同时建模节内衰减和节间漂移的方法持平，指标越大越好。下表把原文连续句中的数字整理成五列，便于对照各基线取值、本文取值与原文结论，数字全部来自原文逐字句。
| 模型 | 准确率 | F1 分数 | 时间建模方式 | 原文结论 |
|---|---|---|---|---|
| Baseline 1 | 0.5429 ± 0.09 | 压平 18 个月时间线 | 接近随机，丢失时间指标 | |
| Baseline 2 | 0.5524 ± 0.09 | 孤立单节 | 丢失跨节顺序 | |
| AAMLA | 0.5714 ± 0.07 | 单节跨模态对齐 | 无法解码长期退化 | |
| PRA-PoE | 0.5810 ± 0.07 | 概率融合 | 无法解码长期退化 | |
| CogDrift-4D | 0.733 ± 0.13 | 0.716 ± 0.14 | 节内衰减加节间漂移 | 最好，优于上述基线 |
表后解释要回到条件。本文方法准确率 0.733 ± 0.13，F1 为 0.716 ± 0.14，最接近的纵向序列基线准确率为 0.6571 ± 0.13、F1 为 0.6549 ± 0.11，差距约∼8%。两个内部基线在 0.5429±0.09 和 0.5524±0.09 附近接近随机，两个单次对齐类基线在 0.5714±0.07 到 0.5810±0.07 之间。机制上可以这样理解，静态平均丢掉了斜率方向，独立编码再平均丢掉了跨节顺序，只做单节跨模态对齐则看不到 18 个月的缓慢走低，所以 3 类退化都上不去。但限制同样清楚，标准差在 0.07 到 0.14 之间，35 人规模下折间波动大，均值差距是否稳定需要更大样本验证。下面的跨节疲劳趋势图提供一个直观对照，帮你看均值线与阴影重叠意味着什么。
看图路径： 1. 对比蓝色 MCI 线与橙色正常线在第 1 到第 7 节的高低位置；2. 观察第 2 节附近两条线的交叉与阴影重叠范围；3. 看 MCI 线从第 3 节到第 4 节再到第 6 节的上升趋势
论文图 3。原论文 Fig. 3:：“Fatigue across sessions”。
图中横轴是第 1 到第 7 节，纵轴是疲劳信号，蓝色是轻度认知障碍均值线加阴影，橙色是正常对照。可以看到第 1 节两组接近，第 2 节后蓝色总体上行而橙色平稳或下行，第 5 节蓝色有一次回落但仍高于橙色，第 6 到第 7 节蓝色维持高位。阴影是离散范围，第 2 到第 3 节、第 5 节附近两组阴影有重叠，说明单节单人区分并不干净，优势来自多节联合。不要把纵轴数值当作绝对临床阈值，它是声能与时延关系导出的相对量，只在该特征管线内可比。
情绪随访曲线显示了什么又没证明什么
除分类分数外，论文还展示了两个单人 7 节情绪计数曲线，用来说明行为差异的方向。先看轻度认知障碍个体的导读，该图横轴是跨任务的 7 节，纵轴是情绪计数，图例含中性悲伤高兴愤怒惊讶恐惧厌恶。
看图路径： 1. 看蓝色 sad 线在 7 节中是否始终高于其他情绪线；2. 看黄色 happy 线仅在第 1 节可见随后贴近零线；3. 对比灰色 neutral 线在第 4 到第 6 节的抬升幅度
论文图 4。原论文 Fig. 4:：“Emotions across sessions of a person with MCI”。
图中蓝色悲伤线在 7 节中始终处于高位，第 2 到第 3 节达峰后缓慢回落但仍远高于其他线，黄色高兴线仅第 1 节可见随后贴零，灰色中性线在第 4 到第 6 节有所抬升。原文据此描述为负性情绪主导、积极情绪少、情绪多样性低。再看健康个体的对照图，横轴纵轴与图例相同。
看图路径： 1. 看黄色 happy 线在第 5 节的峰值与阴影宽度；2. 看灰色 neutral 线在全程的平稳位置；3. 看蓝色 sad 线在前 6 节的低位与第 7 节的突然抬升
论文图 5。原论文 Fig. 5:：“Emotions across sessions of a healthy person”。
图中黄色高兴线与灰色中性线在全程占主导，黄色在第 5 节出现高峰且阴影宽，蓝色悲伤线前 6 节贴近低位，仅第 7 节抬升，整体呈现积极情绪更频繁更稳定。这些图是单样本展示加组间文字总结，不是分类证据，不能据此推出用悲伤计数就能诊断，也不能把第 7 节的跳变推广为必然规律。阴影宽度提示同节内任务间波动大，单节情绪计数方差高，论文没有报告情绪特征与标签的统计检验，相关不等于因果，复现时应把情绪曲线当作可解释性辅助，而不是独立分类器。
拿掉疲劳发散度与质量门后分数如何变化
消融要回答每个新增部件是否必要，条件是 10 折交叉验证训练 50 轮，指标越大越好。下表同样用五列整理，数字来自原文连续句，结论列只转述原文报告的方向。
| 模型 | 准确率 | F1 分数 | AUC | 原文结论 |
|---|---|---|---|---|
| Without Fatigue | 0.69 | 0.68 | 去掉疲劳后明显下降 | |
| Full Model | 0.742 | 0.733 | 0.724 | 结合全部部件最好 |
表后解释分收益与代价。完整模型在 10 折下准确率为 0.742，F1 为 0.733，曲线下面积为 0.724，为该表最高。拿掉疲劳相关特征后各指标都下降，其中 F1 降到 0.69，曲线下面积降到 0.68，是原文强调的明显下降，支持疲劳斜率与累积器提供了判别信息。原文同时指出去掉质量模块后性能轻微下降，说明噪声过滤有稳健作用但不是决定性。限制是 10 折与主结果 5 折条件不同，两表完整模型数字本来就不直接可比，且该规模下折间波动大，不能把小数点后 2 位的差距当作部署必现的提升，未胜出项是部分部件在该规模下增益有限，尚未评测的是各部件在缺失整节时的鲁棒边界。
结论在哪些范围内成立还有哪些缺失
结论成立需要同时满足几个条件，一是类似的居家无脚本对话任务与同步音视频转录管线，二是按 18 到 25 与 26 划分的二分类标签，三是按人分组的交叉验证，四是 35 人规模下报告的均值加减大标准差。换任务、换阈值、换划分或换人群，数字都会变。缺失项不少，样本仅 35 人且 2 人不完整，多中心与方言口音的泛化没有验证，训练与推理的延迟显存功耗没有测量，不能承诺实时或低成本。
论文讨论提到未来要扩大队列、引入轻量大语言模型提语义、做端侧隐私部署，但这些是计划不是已验证结果。来源方面，本次没有发现可验证的作者代码模型数据链接，不能说已开源可下载，只能按论文文字复现特征管线与模型结构。把相关当因果、把均值差距当个体保证、把单人情绪曲线当诊断规则，都是常见的误读，需要避免。
复现第一步做什么与关键超参数如何保留
复现第一步是重建按人分组的数据划分与 4 维张量，而不是先调模型。先把每人 7 节按人分折，同一人不跨折，每节保留有效帧掩码，视频用人脸检测筛出老人主体后提表情与动作单元，音频分离出被试语音后提梅尔倒谱统计、谐噪比、基频强度抖动闪烁语速停顿等，文本用转录加句子编码器得嵌入，三者按时间对齐成批量乘会话乘时间乘特征。
模型按 128 维 8 层 8 头、丢弃 0.3、AdamW 学习率 3 乘 10 的负 5 次方、权重衰减 1 乘 10 的负 4 次方、交叉熵 50 轮起步，内部基线要保留，一个做掩码平均加多层感知机，一个做节独立编码加全局平均，外部基线若无代码至少保留论文报告的同输入分数作为参照。评测同时报准确率 F1 与曲线下面积的均值与标准差，并画出按节的疲劳与情绪曲线检查时间结构是否真被用到。代码权重数据三件事要分开说，本篇均未确认可用，所以复现预算要留出特征抽取与转录的第三方调用成本。
什么时候值得尝试还需要补哪项验证
什么时候值得尝试，如果你已有多次访视的居家对话录像，需要一个能同时看单次内变弱和多次间走低的基线，这套分层做法值得一试，因为它把斜率、同步失配与质量过滤显式拼到最后，比纯平均或纯单节对齐更对齐衰退假设。复现第一步如上一节，先做好按人分组与掩码对齐，再跑通主路与两条侧支。
还需要补的验证是更大更多中心的纵向队列、缺失整节与强噪声下的鲁棒测试、以及延迟功耗与误判率的实际测量，只有这些补齐后，才能谈 telehealth 与智能家居的连续监测价值。就教学而言，记住一个样本的旅程，帧对齐算同步，节内拟合算急性疲劳，节间累积算长期漂移，质量门压住坏节，注意力池化选出好帧，最后把状态与变化一起交给分类器，证据只支持在该小样本条件下均值更优且方差大，是否推广待验证。
📎 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