📄 部署偏好如何变成多任务语音大模型的训练权重

英文题目：Preference-Aware Pareto Steering for Multi-Task Speech LLMs

评分：6.0/10 | 创新 1.3/2 | 技术严谨 1/1.5 | 实验充分 1/1.5 | 清晰度 0.8/1 | 影响力 0.8/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.8/1.5

👥 作者与机构

  • Liuyuan Jiang：机构信息未能在本次解析中与作者逐人可靠绑定
  • Vishal Sunder：机构信息未能在本次解析中与作者逐人可靠绑定
  • Samuel Thomas：机构信息未能在本次解析中与作者逐人可靠绑定
  • Brian Kingsbury：机构信息未能在本次解析中与作者逐人可靠绑定
  • Jeff Kuo：机构信息未能在本次解析中与作者逐人可靠绑定
  • Lisha Chen：机构信息未能在本次解析中与作者逐人可靠绑定
  • George Saon：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

语音大模型需同时完成自动语音识别、时间戳预测和语音翻译，输入为16 kHz语音经声学编码器和适配器送入冻结大语言模型的表示，输出分别为词序列、带时间的词序列和译文，难点是固定损失权重无法按部署时的相对重要性控制最终折中位置。论文提出端点锚定偏好感知均匀采样方法，它先把已知偏好向量换算为与各专家模型损失距离的目标份额。训练中再测量当前模型与各专家模型的损失距离并换算成实际份额，然后按实际份额与目标份额的比率调整标量化权重，并沿同一模型继续训练。相对固定线性加权和两目标几何校准方法，该方法只为一个已知偏好做持续校准，并复用专家锚点而不建网格。在六个三目标请求、每请求180k步对等预算的留出集评测下，相对固定权重，该方法平均时间戳累积平均偏移从46.6 ms降到39.2 ms。在同一六请求集合叠加共享锚点的端点包含归一化超体积评测下，相对固定权重，该指标从0.519升到0.612。结论只适用于训练目标定义的份额对齐，对下游词错率和翻译质量的单调改善没有保证。训练开销方面，每请求名义预算180k步并复用专家锚点，可训练适配器与LoRA参数为81M，在4张NVIDIA H100上以总批量64训练，逐轮距离计算和权重更新相对训练步骤开销可忽略。

🔗 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

语音大模型要同时做好哪三件事

这篇论文研究的是一个语音大模型同时承担三项任务的情形。输入是最高 60 秒、采样率 16 kHz 的语音，先转成 80 维对数梅尔特征，再经过冻结的 ConfCTC 语音编码器和可训练的 Q-Former 语音适配器，进入冻结的 Granite-4.0-1B-Base 因果语言模型。模型要输出 3 类结果：自动语音识别是把语音转写成英文文字；时间戳预测是给每个词标出以厘秒为单位的结束时间，例如输出中带有<0.15s>这样的标记；语音翻译是把英文语音或多语语音翻译成目标语言文字。

三项任务共用同一个语音适配器和语言模型上的秩为 64 的 LoRA 模块，总共约 81M 可训练参数。好处是部署一个模型即可，但困难在于三者的监督信号会互相牵制：更偏向翻译可能改善双语评测替补，却让时间戳偏移变大；更偏向时间戳可能让识别词错误率轻微上升。论文把这种此消彼长称为任务折中，需要在训练时按部署时的相对优先级选好工作点。

已有联合训练为什么给不出想要的折中

相关的语音系统大多关注把多种能力装进同一架构。SpeechT5 做多任务预训练，Whisper 做大规模多任务监督，SALMONN 和 WavLLM 做跨模态对齐和指令微调，In-Sync 通过任务条件和时间戳正则加入时间戳预测，M2ASR 和 Objective Soups 则处理多语识别与翻译的联合优化。这些工作证明了共享架构可行，但没有回答如何把一个已知的部署优先级精确变成训练后的折中位置。

在多目标优化侧，PCGrad 通过修改任务梯度减轻干扰，PiKE 根据梯度交互调整任务数据比例，它们分别动的是损失更新方式和数据暴露比例。EPO 瞄准损失空间的一条射线，FERERO 编码相对或绝对约束，Pareto HyperNetworks 学习偏好条件的解族，SURF 用弧长几何改善双目标覆盖。论文把 EA-SURF 定位为已知单个请求时的先验校准方法：采样器固定，仍用加权损失的单模型接口，只根据目标空间反馈调整标量化权重，因此实验主对照选为固定权重的线性标量化，而不是需要逐任务梯度计算的梯度组合方法。

把偏好直接当权重为什么不行

论文把多目标问题写成对参数同时最小化多个期望损失，每个任务有自己的采样分布和逐样本目标。实际训练常用线性标量化，也就是把各任务损失加权求和后优化。一个很自然的想法是把部署偏好向量直接当成训练权重，例如偏好(.4,.4,.2) 就按 4 比 4 比二加权。但论文强调权重空间均匀不等于目标空间均匀，均匀间隔的权重可能让工作点挤在某一区域。

这里的偏好编码的是相对任务优先级，而不是预先规定的词错误率、累积平均偏移或双语评测替补数值。EA-SURF 要实现的也不是让某个外部指标单调变好，而是让专家相对的训练目标距离比例符合偏好换算来的目标。

部署偏好 × 标量化权重： 部署偏好是用户想要的任务相对重要程度，例如更重视识别还是翻译，它只说明想要哪种折中，不直接规定词错误率的具体数值；标量化权重是加权损失训练中真正乘在每个任务损失上的系数，控制每一步更新更偏向哪个任务。二者量纲和作用位置不同，直接把偏好数值当作权重一般得不到想要的折中，EA-SURF 的作用就是把偏好先换算成目标距离份额，再用实测份额的偏差去反复修正训练用的标量化权重。

EA-SURF 的整体闭环是什么样子

EA-SURF 处理一个部署请求的全过程可以沿一个样本的训练旅程理解。起点是一个已经热启动的模型，例如三目标主实验中 100k 步的线性标量化检查点。方法先准备每个任务一个可复用的专家锚点，即主要为该任务训练的模型的损失向量，用来标定目标空间的几何形状。然后把固定的部署偏好换算成目标距离份额，相当于说清理想情况下离每个专家应该有多远。

接下来进入外层循环：先在无梯度模式下用 300 步每卡的训练损失估计当前损失向量，算出到各锚点的欧氏距离并归一化成实测份额；再比较实测与目标的失配，按指数加权规则更新标量化权重；最后用新权重让同一个模型继续训练若干内层步数，再回到测量。这张示意图把上述输入、加权损失、三角折中面和自动调权轨迹画在了一起，读图时可对照轨迹与目标距离的关系。

看图路径： 1. 先看顶部输入的语音模型与偏好向量，再看绿色加权损失条带；2. 再看三角形三个顶点分别对应的识别、翻译和时间戳任务；3. 观察中间绿色轨迹点如何沿虚线前沿向目标距离方向移动

原论文 Figure 1：EA-SURF preference steering for ASR, timestamp prediction (TS), and speech translation (ST).

论文图 1。原论文 Figure 1:：“EA-SURF preference steering for ASR, timestamp prediction (TS), and speech translation (ST).”。

图中顶部给出语音模型参数与 3 维偏好输入，绿色条带是三项损失的加权和。下方浅蓝三角形是折中示意面，3 个顶点分别是识别、翻译和时间戳任务，虚线表示可达折中，绿色折线是自动调整权重后同一模型的延续轨迹，旁边标注的目标距离与偏好满足反比关系。它帮助理解的核心是偏好固定、权重自适应、模型不断延续训练，而不是为每个权重重新起一个独立训练。

专家锚点和距离份额如何标定位置

专家锚点是理解几何的关键。每个锚点是重点为某一任务训练的模型的实测损失向量，例如三目标实验用(.98,.01,.01) 的各种排列训练 80k 步得到 3 个专家，双目标诊断用两个 110k 步的固定权重专家。它们不是理想零点，而是实际可达的参考角落。有了锚点，当前模型的训练损失向量到每个锚点的欧氏距离就有了意义：离哪个专家近，说明折中更偏向哪个任务。

把这些距离除以总距离就得到距离份额向量，它落在单纯形上，总和为 1。目标份额则由偏好换算而来，重要性越高的任务目标距离越小。论文以(.4,.4,.2) 为例，换算得到目标份额(.3,.3,.4)，即前两项任务各占 30%，翻译对应的时间戳专家距离占 40%。这个例子说明偏好与目标份额不是直接复制，而是按 1 减偏好再归一化得到。

专家锚点 × 帕累托前沿： 帕累托前沿是所有无法在不损害其他任务时再改进某个任务的解在目标空间形成的折中曲面，直接刻画代价很大；专家锚点是每个任务上重点训练得到的参考模型的损失向量，用三个可复用的点近似标定前沿的几何位置。EA-SURF 不建完整前沿网格，只计算当前模型到每个锚点的欧氏距离并归一化成份额，用份额位置代替绝对损失位置来判断当前折中偏向哪一边。

内层训练用的加权损失是各任务在活跃非填充词元上平均的词元级交叉熵再加权求和，其形式如下，权重向量落在单纯形上。

\[\displaystyle\theta^{\star}(\mathbf{w})\in\arg\min_{\theta}~\{\mathcal{L}_{\mathrm{LS}}(\theta,\mathbf{w})=\sum_{m=1}^{M}w_{m}\ell_{m}(\theta)\}\]

其中权重控制训练，参数最优解依赖权重。偏好到目标份额的换算关系如下，距离与 1 减偏好成正比。

\[d_{m}(\theta):=\|\boldsymbol{\ell}(\theta)-\mathbf{e}_{m}\|_{2}\propto q_{m}^{\star}(\mathbf{p}):=\frac{1-p_{m}}{\sum_{j=1}^{M}(1-p_{j})}.\]

其中专家损失向量是实测值，距离取欧氏距离。

距离份额 × 目标份额： 距离份额是当前模型的训练损失向量到各专家锚点的距离占总距离的比例，反映已经到达的折中位置；目标份额是由部署偏好按公式换算来的期望比例，越重要的任务要求离其专家越近、份额越小。二者都在单纯形上可比，它们的差就是偏好校准误差，也是 EA-SURF 每一轮外层更新权重的直接依据。

权重如何根据失配自动调整

外层更新的输入是当前份额与目标份额的比值。记当前份额除以目标份额再加微小常数得到比率，若某任务比率大于 1，说明当前离该专家相对太远，方法就相对增大该任务的训练权重，希望下一段延续训练更靠近该专家。更新采用保持在单纯形上的指数形式，增益控制调整幅度，三目标实验取增益为 1，微小常数为 10 的负 6 次方。

更新公式如下，分子是旧权重乘以比率的增益次方，分母是归一化求和，保证新权重仍在单纯形内部。

\[w_{m}^{(t+1)}:=\frac{w_{m}^{(t)}\big(r_{m}^{(t)}\big)^{\alpha}}{\sum_{j}w_{j}^{(t)}\big(r_{j}^{(t)}\big)^{\alpha}},\]

每次更新后，同一模型用新权重训练固定步数，三目标主实验是 8 轮、每轮 10000 步，加上起点 100k 步，名义上与固定权重一次跑 180k 步对齐。每次外层测量平均每个分布式进程 300 次无梯度训练迭代的任务损失，再跨进程平均得到当前份额；留出集指标只在最后一轮后评一次，避免中途用外部指标干预 steering。

线性标量化 × 偏好校准误差： 线性标量化是把多个任务损失按权重加权求和后做一次优化器更新的标准训练接口，本文内层训练一直沿用它；偏好校准误差是实测距离份额与目标份额的 L1 距离，属于内部 steering 指标。EA-SURF 保持采样器和优化器家族不变，只在外层根据偏好校准误差调整线性标量化的权重，因此固定权重的线性标量化成为最直接的对照基线。

论文还给出两个理论陈述。在隐藏凸性、平滑性和前沿非退化等正则条件下，每个内部偏好对应唯一的内部权重，使实测份额等于目标份额，且对应解是帕累托最优；同时该指数更新的内部不动点恰好就是实测份额等于目标份额时。需要留意的是，前者是存在唯一性结论，后者是目标一致性结论，都不是有限步收敛定理，有限步行为要看第 4 节的轨迹实测。

模型、数据和指标在什么条件下比较

模型侧采用 SLAM-LLM 语音接口，冻结编码器和大语言模型，只训练语音适配器和 LoRA，共 81M 参数。4 卡 H100、总批量 64、AdamW 学习率 10 的负 4 次方、零权重衰减、1000 步热身、梯度裁剪 10、一次梯度累积。每个小批量从每个活跃任务的索引池至少抽一个样本，数据集平衡指数 0.6；训练专家锚点时零权重任务从池和损失中移除。

数据侧识别训练混合 Common Voice、LibriSpeech、VoxPopuli、Earnings-22、AMI 会议、CALLHOME、Switchboard、Fisher 以及语音留言、多说话人和合成语音；时间戳用这些语料中经强制对齐的子集，并丢弃 CTC 强制对齐与 Montreal Forced Aligner 的 GMM-HMM 对齐差异超过 175 ms 的样本，目标交错词与厘秒结束时间；翻译用 9 个 Common Voice 衍生的英译多语和多语译英集合。验证取自 Multilingual LibriSpeech、Common Voice、LibriSpeech、VoxPopuli、AMI 和 Earnings-22。评测时识别在 7 个留出英文条件、时间戳在 9 个对齐条件含训练未见的手工标注 TIMIT 和 Buckeye、翻译在 CoVoST 2 和 FLEURS 的 13 个方向上做无加权宏平均。

词错误率 × 累积平均偏移 × 双语评测替补 × 归一化超体积： 词错误率衡量识别转写的错误程度，越低越好；累积平均偏移衡量预测词结束时间与参考时间的平均偏移毫秒数，越低越好；双语评测替补衡量翻译质量，越高越好，三者都是留出集上的外部效果指标。归一化超体积是把三维折中点用共享锚点确定的理想点和最差点归一化后，以固定参考点为界计算的覆盖体积，越高说明六个请求加锚点共同覆盖的折中范围越大，它与偏好校准误差分别回答覆盖好不好和单个请求准不准。

指标方向为词错误率越低越好、累积平均偏移越低越好、双语评测替补越高越好、偏好校准误差越低越好、超体积越高越好。超体积计算时最小化三元组，分别按 3 个共享锚点的理想点和最差点归一化，固定参考点为(1,1,1)。所有表格为单次运行，跨 6 个请求的均值和总体标准差只是聚合描述，不是多次独立重跑的不确定度估计。三目标 EA-SURF 延续单独启动，学习率调度历史与一次跑满 180k 步的固定权重并不完全相同，这是理解公平性时必须记住的条件差异。

双目标诊断说明了什么

双目标诊断不是主力的算力对齐基准，而是从随机初始化出发看 steering 是否沿折中移动。固定权重跑 110k 步，EA-SURF 用 50k 步探针加 8 轮每轮 10000 步，并复用两个 110k 步锚点。下表比较 3 个内部偏好下的识别词错误率和时间戳偏移，这里的比较问题是相同任务对下固定权重与自适应权重的折中跨度，指标方向为两者越低越好。

PreferenceFixed LS WER (%) ↓Fixed LS AAS (ms) ↓EA-SURF WER (%) ↓EA-SURF AAS (ms) ↓
(0.25, 0.75)7.3732.87.5230.6
(0.50, 0.50)7.2635.97.3434.5
(0.75, 0.25)7.2441.77.3040.1

表中 EA-SURF 跨度为 0.22 个词错误率百分点和 9.5 ms 偏移，固定权重为 0.13 个百分点和 8.9 ms；训练损失从(.331,.845) 经(.279,.862) 到(.274,.923)，确认沿折中移动。平均最佳偏好校准误差从固定权重的 0.0618 降到 0.0250，下降 59.6%。另有一个基于预训练模型的二目标切比雪夫诊断：在偏好(.25,.75) 处固定线性标量化比活跃间隙法在识别上好 0.23 个百分点、时间戳好 0.6 ms，论文解释后者除小增强项外每步只微分最大加权间隙，用的多任务梯度信息较少。该小节的结论只在随机初始化双目标诊断条件下成立，不能直接推广到三目标主实验。本表数值与单位依据论文原表。本表数值与单位依据论文 PDF。

三目标主实验的折中位置有何变化

三目标主实验是核心的可运行策略比较。固定权重每个请求一次跑 180k 步；EA-SURF 每个请求从其 100k 步检查点出发再做 8 轮每轮 10000 步，名义请求级预算同为 180k 步，3 个 80k 步专家跨请求复用。读图说明如下：下面动态图对应偏好(.4,.4,.2)，左侧是单纯形上的份额轨迹，右上是当前比目标的比率，右下是自适应权重，观察重点是份额是否趋近金色星形目标、比率是否趋近虚线 1、权重是否明显偏离初始偏好。

看图路径： 1. 先看左侧单纯形中实测份额点向金色星形目标的移动方向；2. 再看右上不平衡比率曲线是否向虚线 1 收敛；3. 对比右下自适应权重曲线与初始偏好的偏离程度

原论文 Figure 2：EA-SURF dynamics for \\mathbfp=(.4,.4,.2).

论文图 2。原论文 Figure 2:：“EA-SURF dynamics for \mathbfp=(.4,.4,.2).”。

像素可见的是左侧三角形份额点从远离星形逐渐靠近由偏好(.4,.4,.2) 换算的目标份额(.3,.3,.4) 附近，右上 3 条比率曲线向 1 收敛，右下权重曲线与起始偏好拉开距离，其中一支权重明显上升、另一支下降。这与正文描述一致：实测份额向目标移动、不平衡比率向 1 移动，而实现请求折中所需的训练权重可以与偏好本身差别很大。它支持的判断是闭环反馈在起作用，但单张轨迹图不能证明所有 6 个请求都收敛，还需结合下表与偏好校准误差的均值看。

下表比较 6 个三目标请求在留出集上的识别、时间戳和翻译指标，比较问题是相同名义预算下把偏好直接当权重与用 EA-SURF 校准权重的外部效果差异，指标方向为词错误率越低越好、偏移越低越好、BLEU 分数越高越好。均值差为 EA-SURF 减去固定权重，固定权重列不计算差值。

Request pASR WER LS (%) ↓ASR WER EA (%) ↓AAS LS (ms) ↓AAS EA (ms) ↓BLEU LS ↑BLEU EA ↑
(0.2, 0.2, 0.6)7.387.4954.341.832.8932.54
(0.2, 0.4, 0.4)7.317.5943.035.231.9131.64
(0.2, 0.6, 0.2)7.337.6238.035.829.5431.71
(0.4, 0.2, 0.4)7.207.2450.938.832.7632.53
(0.4, 0.4, 0.2)7.237.3942.637.030.0431.39
(0.6, 0.2, 0.2)7.147.2151.046.631.4531.47
Mean Δ—+0.16—-7.4—+0.45

固定权重跨请求为 7.14-7.38% 词错误率、38.0-54.3 ms 偏移、29.54-32.89 翻译分，更重视时间戳则偏移改善，更重视翻译则翻译分改善，识别保持相对稳定。EA-SURF 在每个请求上把偏移降低 2.2-12.5 ms，均值从 46.6 ms 降到 39.2 ms，同时平均词错误率上升 0.16 个百分点、平均翻译分上升 0.45。论文明确 EA-SURF 不是为逐点占优设计，而是去往由专家相对份额指定的另一工作点，因此向目标移动可以改善一个留出指标而恶化另一个，更大的偏好分量也不保证对应外部指标单调变好。标量化到份额轨迹未见折叠且各有唯一内部失配最小值，经验上支持正则假设，但这只是 6 个请求上的观察，不是一般收敛证明。本表数值与单位依据论文原表。本表数值与单位依据论文 PDF。

内部校准误差和覆盖体积支持什么

偏好校准误差是与训练目标同源的内部指标，用训练目标份额失配计算。6 个请求平均从固定权重的 0.240 降到 EA-SURF 的 0.091，总体标准差分别为 0.119 和 0.038，下降 62.2%。它说明在训练目标空间里 EA-SURF 更接近换算来的目标份额，但不能直接等同于留出集上词错误率或翻译分变好，因为内部损失与外部指标之间还有泛化差距。

端点包含的归一化超体积把 6 个请求点与 3 个共享锚点放在一起计算，锚点在词错误率、偏移、翻译分顺序下为(7.15,60.8,29.08)、(7.51,33.4,27.96) 和(7.79,62.1,33.68)。归一化超体积从 0.519 升到 0.612，提高 17.8%，表明包含端点后的折中覆盖更好。这里的提升依赖于把锚点也计入集合以及固定的(1,1,1) 参考点和锚点确定的归一化，换一组端点或参考点数值会变，因此它回答的是在该定义下的覆盖比较，不是绝对的模型能力排序。

未胜出的方面也要说明：EA-SURF 平均词错误率更高，且在部分请求上翻译分低于固定权重，例如(.2,.2,.6) 处翻译分从 32.89 降到 32.54。这与方法目标一致，即校准到指定份额位置可能以牺牲某一外部指标为代价。若读者只关心单一指标最优，而不在意是否实现部署偏好，那么固定权重在某些请求上反而更好。

这些结论在什么条件下才成立

首先是预算与调度条件。三目标名义预算同为 180k 步，但 EA-SURF 是 100k 步检查点加 8 轮延续且单独启动，学习率调度历史与一次跑满的固定权重不同，因此差异中混有调度路径的影响，不能全部归因于权重校准规则本身。双目标诊断从随机初始化出发且步数配置不同，更不能与三目标主实验混比。

其次是统计条件。所有表格为单次运行，跨请求的均值和总体标准差不是独立重跑的不确定度，论文也明确它们不是重跑误差棒。6 个偏好网格覆盖有限，超出该网格或换数据划分、换语言方向时校准效果是否保持尚未评测。

再次是指标条件。偏好校准误差用与驱动更新相同的训练目标份额计算，属于内部指标，天然有利于 EA-SURF；外部的词错误率、偏移和翻译分才是留出效果，但它们与偏好份额之间没有单调对应保证。超体积的数值依赖共享锚点、理想与最差点归一化和固定参考点，定义改变则结论强度改变。理论侧的正则假设在本文轨迹上经验成立，但论文只报告未见折叠和唯一内部最小，没有给出有限步收敛保证。

复现第一步要准备什么

复现应从数据与检查点分开准备。先按原文准备识别、时间戳和翻译的训练与验证划分，注意时间戳要丢弃对齐差异超过 175 ms 的样本并按 In-Sync 方式交错词与厘秒结束时间；翻译用 9 个 Common Voice 衍生集合，评测用 CoVoST 2 和 FLEURS 13 个方向，时间戳评测包含训练未见的 TIMIT 和 Buckeye。模型用冻结 ConfCTC 编码器、可训练 Q-Former 适配器和冻结 Granite-4.0-1B-Base，加秩 64、缩放 32、丢弃率 0.1 的 LoRA。

然后先跑固定权重基线与专家锚点：三目标专家用(.98,.01,.01) 的排列各跑 80k 步并复用；每个请求跑 180k 步固定权重，同时保存 100k 步检查点供 EA-SURF 延续。EA-SURF 外层用欧氏距离、增益 1、微小常数 10 的负 6 次方，每轮测量用每卡 300 步无梯度训练损失跨卡平均，再做 8 轮每轮 10000 步延续，留出指标只在最后评一次。需要补的验证包括多次随机种子重跑以估计方差、固定学习率调度重做以剥离调度影响，以及在新偏好和新语言方向上检验目标一致性是否依然成立。

关于资源是否公开：现有材料无法确认作者已公开代码、模型或数据，本文不对其可用性作进一步判断。论文提到的第三方数据集链接只说明论文提到该链接，不说明作者已开源。

什么时候值得尝试 EA-SURF

当部署时已知相对优先级，例如希望时间戳明显更好而可以接受识别轻微变差，且愿意维护每个任务一个专家锚点和多轮延续训练时，EA-SURF 值得尝试。它保留标准加权损失接口，不改采样器和优化器家族，额外开销只是计算专家距离和更新权重，相对内层训练步数可忽略。独立地在偏好网格上跑多个请求，还能得到多个校准点供事后选择。

容易产生的误解是把偏好数值直接当权重就能实现意图，或把内部校准误差下降等同于所有外部指标变好。本文证据表明实现意图往往需要与偏好差别很大的训练权重，且向目标移动可能改善偏移而恶化词错误率。另一个误解是把超体积提升当成全面占优，实际上它是在特定端点、归一化和参考点下的覆盖比较，且均值差异来自单次运行的六请求聚合。

总的来说，在 6 组三目标请求的给定数据、模型、预算和定义下，EA-SURF 改善了偏好对齐并扩大了端点包含的覆盖，代价是平均识别小幅变差；是否在其他条件下成立，还需补做重跑、调度对齐和新偏好的验证。

📎 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

← 返回 2026-10-21 语音/音乐/音频论文速递