📄 按任务选匿名策略:CASA 如何同时保隐私和保诊断信息
英文题目:Task-adaptive anonymisation enables privacy-preserving sharing of clinical speech data
评分:8.3/10 | 创新 1.5/2 | 技术严谨 1.2/1.5 | 实验充分 1.3/1.5 | 清晰度 0.8/1 | 影响力 1/1.5 | 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
- Ziyun Cui:Department of Electronic Engineering, Tsinghua University, Beijing 100084, China
- Haoyu Niu:Department of Electronic Engineering, Tsinghua University, Beijing 100084, China
- Wen Wu:Shanghai Artificial Intelligence Laboratory, Shanghai 200032, China
- Hao Sun:School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing 100083, China
- Sihan Zhang:Beijing Tsinghua Changgung Hospital, School of Clinical Medicine, Tsinghua Medicine, Tsinghua University, Beijing 100084, China
- Chang Lei:Vanke School of Public Health, Tsinghua University, Beijing 100084, China
- Yun Zhang:Peking Union Medical College Hospital, Beijing 100730, China
- Chunyun Sun:Peking University Huilongguan Clinical Medical School, Beijing 100096, China;Department of Clinical Psychology, Beijing Huilongguan Hospital, Capital Medical University, Beijing 100096, China;WHO Collaborating Center for Research and Training in Suicide Prevention, Beijing 100096, China
- Yang Luo:Peking University Huilongguan Clinical Medical School, Beijing 100096, China;Department of Clinical Psychology, Beijing Huilongguan Hospital, Capital Medical University, Beijing 100096, China;WHO Collaborating Center for Research and Training in Suicide Prevention, Beijing 100096, China
- Liangliang Cao:Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University, Hong Kong (SAR), China
- Ji Wu:Department of Electronic Engineering, Tsinghua University, Beijing 100084, China
- Runsen Chen:Vanke School of Public Health, Tsinghua University, Beijing 100084, China
- Lian Zhou:Peking Union Medical College Hospital, Beijing 100730, China;Chinese Academy of Medical Sciences, Beijing 100730, China
- Yongsheng Tong:Peking University Huilongguan Clinical Medical School, Beijing 100096, China;Department of Clinical Psychology, Beijing Huilongguan Hospital, Capital Medical University, Beijing 100096, China;WHO Collaborating Center for Research and Training in Suicide Prevention, Beijing 100096, China
- Chao Zhang:Department of Electronic Engineering, Tsinghua University, Beijing 100084, China;Shanghai Artificial Intelligence Laboratory, Shanghai 200032, China;Department of Speech, Hearing and Phonetic Sciences, University College London (UCL), London WC1N 1PF, United Kingdom
📌 核心摘要
临床语音同时携带说话人声纹和话语内容,朗读任务主要暴露声纹,自发交谈还可能暴露姓名、住址和电话等敏感语义信息,不同疾病依赖的声学、韵律和语言线索也不同,固定强度的匿名化难以兼顾隐私与临床可用性。论文提出的临床自适应匿名化智能体 CASA 接收任务描述、范式和隐私效用要求,先由控制器规划声纹与内容处理组合,再调用转写、匿名化和评测工具执行并根据反馈调整,跨任务记忆保留粗粒度的经验总结和细粒度的配置与结果以指导新任务。声纹侧提供音高变换、频谱共振峰缩放、基于线性预测编码的共振峰变换、神经语音转换和转写再合成五种操作,内容侧由本地部署的大语言模型定位敏感片段后做噪声替换或文本遮蔽。相对固定流程的差异在于策略按任务生成并迭代修正,而不是对所有数据套用同一管线。在 14 个任务上,CASA 全部满足等错误率不低于 20% 且疾病分类平衡准确率下降不超过 3 个百分点的联合要求,最强固定单方法只满足 8 个,完整系统基线 SecureSpeech 满足 4 个。结论适用于所测的抑郁、自杀风险、阿尔茨海默病、帕金森病、语言障碍和嗓音疾病等五种语言任务,开放式长对话的内容定位和严重病理语音的转写可靠性仍不充分。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/JaderOx/AnonymiseAgent — 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
临床语音为什么难共享:输入里有什么隐私和什么诊断线索
临床语音的输入是一段录音,里面同时混着两类信息。一类是身份线索,包括音色决定的声纹和话语中直接说出的姓名、住址、电话;另一类是疾病线索,包括发音、嗓音质量、韵律、停顿、叙事内容和情绪。目标是把录音处理成可对外共享的匿名版本,要求外部听者或模型既连不回是谁,也读不到敏感原话,但下游疾病筛查模型仍能做出接近原始录音的判断。
难点在于不同临床任务依赖的线索不同。读固定句子主要靠声学细节,访谈和热线谈话还包含开放语义;抑郁和认知任务可能更依赖语言和韵律,嗓音疾病则依赖细微的发声异常。统一加大匿名强度会顺手抹掉诊断信息,只做声纹变换又堵不住语义泄露,这就是论文要解决的矛盾。
已有路线为什么不够:通用匿名与单病专用各缺什么
已有工作大致分两支。一支是通用语音匿名,主要压制声纹,常把病理相关的声学或韵律特征一起破坏;另一支是针对单一疾病或窄任务的专用匿名,换一个病种、语言或采集范式就难以复用。论文指出,据作者所知,还没有同时对声纹和说话内容、跨疾病、语言和采集范式做任务自适应的框架。
本文的比较对象也按这个划分来选。5 个声纹方法作为固定策略基线,分别代表信号处理和神经网络两类思路;SecureSpeech 作为完整流水线基线,代表先语音识别再命名实体识别改写再合成的固定组合。比较的公平点是同一批 11 个数据集、14 个任务子集,同一套隐私与效用阈值,而不是拿不同任务的分数直接比高低。
任务如何定义成功:三道阈值要同时过
论文把匿名定义为任务自适应的隐私效用优化,而不是一次性预处理。每个任务进来时给出自然语言描述,包括临床目标、语音范式和隐私效用要求,智能体据此选策略、执行、评估、再调整。
成功有 3 条同时成立的标准。第一是说话人验证等错误率 EER 至少 20%,EER 越高表示越难区分同一个人与不同人,代表声纹隐私达标;第二是当任务要求时,敏感内容定位 F1 至少 0.75,代表内容隐私达标;第三是下游平衡准确率 BACC 相对原始语音下降不到 3 个百分点,代表疾病相关分类性能保留。只有三者同时满足才算该任务成功,这个联合条件是理解后文 14 比 8 比 4 的关键。
CASA 的整体流程:一个样本从录音到匿名录音经历什么
拿一个原始录音为例,先进转写模块得到带说话人标注和词级时间戳的文本,同时估计年龄性别等辅助元数据。中文用 Paraformer,其他语言用 WhisperX。转写文本和音频一起交给声纹匿名和内容匿名两个分支。
声纹分支从 5 种操作里选一种执行,内容分支用本地部署的大语言模型在转写文本里标出敏感片段,再按时间戳把对应音频替换成噪声;如果选的是转文字再合成的 Resyn,则先在文本上遮蔽敏感内容再合成,因为它不保留原始时间对齐。最后多维评估模块算隐私、效用和语音特征保留分数,反馈给控制器决定是否换方法或调参数,最多迭代 7 次。
下图是智能体结构与总体成功数对比的导读,重点看记忆如何参与规划,以及成功数的差距是在上述三阈值下统计的。
声纹匿名 × 内容匿名: 声纹匿名处理谁在说话的声音特征,通过变调、共振峰变换、声音转换或重合成改变音色;内容匿名处理说了什么敏感信息,通过定位姓名、地址、电话等片段再消音。两者分工不同,前者防说话人识别,后者防语义泄露,组合后才能同时应对朗读和自发谈话两类泄露通道。
看图路径: 1. 先看左上智能体框内记忆、规划执行、反馈适应的循环箭头;2. 再看右侧从原始音频到匿名再到评估的纵向主链;3. 对比下方柱状图中 CASA 与五种固定方法和 SecureSpeech 的成功任务数
论文图 1。原论文 Figure 1::“| Overview of CASA and comparison with baselines.”。
图 1a 显示控制器接收任务、范式和隐私效用要求,调用声纹与内容工具,评估反馈再调整,跨任务记忆保留粗粒度总结和细粒度记录。图 1b 显示 CASA 在 14 个任务上全部满足三阈值,而最强的单个固定方法只满足 8 个,SecureSpeech 只满足 4 个。图 1c 的雷达图显示 CASA 的 BACC 下降幅度在所有任务上都控制在容限内,且普遍优于 SecureSpeech。这说明自适应选策略比固定流水线更容易同时过隐私和效用两关,但这只是阈值下的计数,不是说匿名后性能变好了。
五种声纹工具各改变什么:为什么没有万能选项
5 种工具的输入输出不同。Pitch 用 librosa 按性别平移 3 个半音;Formantspec 做短时傅里叶变换后频谱插值拉伸 1.1 倍;FormantLPC 用 20 阶线性预测极点做 McAdams 变换,幂系数 0.8;Neural VC 用 SeedVC 换目标音色,多说话人录音按转写说话人标签分配不同目标;Resyn 用 FishSpeech 按语言匹配参考语音重合成。
从跨数据集箱线图看,信号处理类一般降低感知质量但较好保留基频轮廓,Neural VC 和 Resyn 提升信噪比,Resyn 感知质量和转写错误最低,但两者都大幅破坏基频轮廓。隐私侧 Formantspec 保留信息最多但 EER 最低,Pitch 的 EER 多在 0.4 以上,Neural VC 接近随机猜测的 0.43 至 0.51,Resyn 在 0.34 至 0.54 间波动。也就是说保留越多往往越容易被认出,匿名越强往往丢信息更多。
Pitch × FormantLPC × Neural VC × Resyn: Pitch 是按性别整体平移半音,FormantLPC 是用线性预测极点变换共振峰,Neural VC 是神经网络换音色保留时间对齐,Resyn 是语音识别转文字再用新音色合成。四者都是声纹工具,但保留基频轮廓、语言内容和病理细微声学的能力不同,因此没有一种能在所有疾病上兼顾隐私和效用。
没有神经网络训练时智能体在学什么:记忆与迭代如何执行
本研究没有训练新的匿名声学模型或大语言模型权重,学的对象是匿名策略。控制器用 Qwen3.8-27B 生成策略,温度 0.01、重复惩罚 1.05,倾向确定性输出;下游疾病分类器用 Qwen2.5-Omni-7B 加 DoRA 微调,秩 32、alpha 64,学习率 1×10−4,按数据量调轮数,训练集少数类上采样到均衡,这部分是为评测效用量出的分类器,不是匿名方法本身的训练。
智能体的学习体现在递归自改进。每次运行保留当前任务历史,跑完后把配置和评估结果存入细粒度记忆,再提炼成粗粒度经验。下次新任务先检索相关经验定首选,执行评估后再按反馈换方法或调参数。评估用的外部攻击者结果不回供给规划,避免用攻击者信息作弊式调参。
粗粒度记忆 × 细粒度记忆: 粗粒度记忆存任务级经验总结,如某类病理任务不宜用完全重合成;细粒度记忆存每次运行的具体配置、参数和评测分数,可复现和定位。前者提供可迁移的选型先验,后者提供可核对的细节证据,两级配合让新任务先从有希望的候选试起,减少重复评估。
在什么数据和指标上验证:14 个任务与多维评估如何组织
验证覆盖 11 个临床语音数据集拆成的 14 个任务子集,含 5 种语言。心理精神类有 MODMA 抑郁、Androids 访谈与朗读抑郁、自杀风险 Suicide-YF、心理热线 Crisis;认知类有 NCMMSC-AD、ADReSS、Ivanova 阿尔茨海默、NeuroVoz 帕金森、ENNI 语言障碍;嗓音类有 Saarbrücken 3 个病种对正常子集和中文腭裂 PUMCH。其中 Crisis 和 PUMCH 含敏感说话内容,需要同时做声纹和内容匿名。
评估除 EER 和 BACC 外,还看信噪比 SNR、感知质量 MOS、基频轮廓相关 PCCF0、字错率或词错率 CER/WER、情绪相似度 Emo。BACC 的做法是对每种语音版本单独训练分类器,长录音切 4 分钟片段训练测试再平均,有官方划分用官方测试集跑五次随机种子,否则五折交叉验证,且划分严格按被试独立。显著性用单侧精确二项检验看配对不一致样本,无多重校正。
EER × BACC: EER 是说话人验证的等错误率,越高表示越难把匿名语音连回本人,是隐私侧指标;BACC 是疾病分类的平衡准确率,匿名后相对原始语音下降越小越好,是效用侧指标。两者方向相反、必须联合看,CASA 的成功定义就是同时卡住这两道门。
PCCF0 × CER/WER × Emo: PCCF0 是原始与匿名基频轮廓的 Pearson 相关,衡量韵律形状是否保留;CER/WER 是对两种语音分别转写再比较的字错率或词错率,衡量语言内容是否保留;Emo 是用 Emotion2Vec 提取情绪向量再算余弦相似度,衡量副语言情绪是否保留。三者与 EER 一起构成多维评估,避免只看隐私或只看分类分数。
主结果:同时过隐私与效用关的任务数差多少
先看比较问题:在同一 EER、F1 和 BACC 下降阈值下,自适应选策略能否比固定方法通过更多任务。指标方向是 EER 越高越好,BACC 下降越小越好,F1 越高越好。下表整理论文报告的成功计数,条件是三阈值同时满足。
| 比较 | 成功任务数 | 阈值条件 | 适用范围 |
|---|---|---|---|
| CASA | 14 | EER 至少 20%,F1 至少 0.75,BACC 下降不到 3 个百分点 | 14 个临床任务 |
| 最强单个固定声纹方法 | 8 | 同上 | 14 个临床任务 |
| SecureSpeech 固定流水线 | 4 | 同上 | 14 个临床任务 |
表前说明比较的是同一批任务、同一联合阈值下的通过数,不是平均分数高低。结果显示 CASA 在 Crisis 和 PUMCH 这类需要内容匿名的任务上仍能过关,而 5 个纯声纹固定方法天然缺内容匿名能力;雷达图也显示 CASA 的 BACC 在所有任务上都落在容限内且高于 SecureSpeech。限制是阈值是人为设定的 20% 和 3 个百分点,换阈值计数会变,不能理解为所有隐私强度下都成立。
声纹匿名与下游分类的关系是任务相关的导读,重点看嗓音任务为何对重合成特别敏感。
看图路径: 1. 先看上排六个箱线图里不同方法在音质、轮廓、语言、情绪和 EER 上的位置;2. 再看下排热力图中嗓音疾病三列的深蓝色块集中在哪些方法行
论文图 2。原论文 Figure 2::“| Voiceprint anonymisation evaluation across methods and datasets.”。
图 2 上排显示方法级规律较稳定,下排热力图显示 BACC 变化随任务差异大。嗓音疾病在 Neural VC 和 Resyn 下显著下降,Resyn 在 Saarbrücken 和 PUMCH 上接近随机;心理和认知任务对多种方法更宽容;固定内容朗读如 Androids-R 和 Ivanova 用 Resyn 会去掉节奏韵律等诊断线索。这支持按任务选方法的必要性,但也提醒结论依赖所用的 Qwen2.5-Omni 分类器和被试独立划分,换分类器或划分结果可能变化。
外部攻击者还能认出谁吗:两种攻击下的剩余风险
比较问题是匿名录音能否抵抗事先知道变换流程的外部攻击者。论文用两种攻击者,只做外部评估,不参与规划。一种是按 VoicePrivacy 流程在 CASA 匿名后的 LibriSpeech 上训练的 ECAPA-TDNN 半知情模型,另一种是直接让 SALMONN-2-8B 判断两段语音是否同一人。下表是论文报告的平均结果。
| 攻击者 | 指标 | 论文报告均值 | 条件 |
|---|---|---|---|
| 半知情 ECAPA-TDNN | EER | 0.338 | 14 个临床任务平均 |
| SpeechLLM 直接验证 | 验证错误率 | 0.441 | 1 减准确率,14 个任务平均 |
表前说明两者都是拿原始与匿名配对做验证,EER 和验证错误率越高表示越难连回本人。结果显示半知情攻击下全部任务仍达到 VoicePrivacy 2024 考虑的隐私阈值,直接大模型判断的错误率也接近随机,说明有较宽的抗重识别能力。限制是攻击者只覆盖这两种实现和所用说话人嵌入与配对方式,真实攻击者用更强模型或更多辅助信息时风险可能不同,不能理解为不可识别。
说话内容里的姓名电话藏好了吗:定位精度与对诊断的影响
内容匿名的比较问题是能否在长而开放的临床谈话里找准敏感片段,且遮掉后不伤诊断。CASA 用本地 Qwen2.5-32B-Instruct 做定位,避免把真实隐私传给外部服务;基线是 SecureSpeech 的命名实体识别定位。评测用人工标注的敏感区间算 F1。下表是两份含敏感内容数据集上的报告值。
| 数据集 | CASA 任务自适应提示 F1 | SecureSpeech F1 | 任务特点 |
|---|---|---|---|
| Crisis | 0.861 | 0.570 | 心理热线,长开放谈话 |
| PUMCH | 0.914 | 0.343 | 开头有姓名年龄问答加复述任务 |
表前说明比较的是同一人工标注下的定位 F1,越高越好。结果显示任务自适应提示带来明显提升,例如在 Crisis 里排除心理状态描述、在 PUMCH 里强调开头类名词语;与 GPT-5-nano 在合成隐私版 Crisis 上的对比显示本地模型已够用;加内容匿名后 BACC 在各种声纹方法下均无统计显著下降。限制是合成隐私版替换了真实实体,闭源对比只在合成条件下成立;热线内容匿名的客观评分仍低于 PUMCH,说明长开放对话的完整遮蔽更难。 下图导读先看定位精度的柱高差,再看遮蔽后效用是否下滑。
看图路径: 1. 对比上排三组柱状图中任务自适应提示与默认提示、SecureSpeech 的 F1 高度;2. 看下排加内容匿名前后 BACC 柱高是否明显变化并注意 p 值标注
论文图 3。原论文 Figure 3::“| Content anonymisation evaluation. a,b, Content anonymisation on two in-house datasets, comparing CASA’s locally deployed Qwen2.5-32B-Instruct model under default and…”。
图 3a 至 3c 显示任务自适应提示的 F1 超过 0.85,明显高于默认提示和 SecureSpeech,且本地 Qwen2.5 与 GPT-5-nano 在合成隐私上接近。图 3d 至 3e 显示加内容匿名后 BACC 柱高基本持平,标注的 p 值均未达到显著。这支持先定位再按时间戳加噪或先改文本再合成的流程,但只证明在所用标注和分类器下效用损失不显著,不等于语义信息完全无损。
临床专家怎么看:匿名后还能用、愿意共享吗
专家评估回答的是机器分数之外的可用性。Crisis 抽 60 段重标危机等级并与原始标签算一致率,另抽 30 对评质量;Suicide-YF 抽 350 段评声学和语义保留;PUMCH 全部 244 段由言语治疗师评鼻音严重度 4 级一致性。另用 1 至 5 分评声纹匿名、内容匿名和共享可接受性,分数越高越好,评委对原始标签盲态。
报告显示 Crisis 与 PUMCH 的原匿名一致率较高,Suicide-YF 语义保留 4.78 分、声学保留 3.56 分,与 Resyn 保语言丢韵律的机器结果一致。声纹匿名三数据集评分都高,内容匿名在 PUMCH 高而 Crisis 较低,可能与热线长开放上下文难找全有关。三数据集共享可接受性都超过 4 分。限制是样本量和评估者有限,Crisis 只重标部分长录音,鼻音严重度只是腭裂评估的简化代理,不能推广到完整临床诊断。
记忆有没有让选策略更快:有无跨任务经验的步数对比
要回答的是跨任务经验是否减少试错次数。做法是为每个数据集构造 10 个匿名请求共 140 个,每个请求同时提 EER 下限和一项效用或保留约束,有无记忆两组跑同样请求。有记忆组可检索其余 13 个任务的通用经验和详细记录,无记忆组只有任务内反馈。成功指同时满足该次请求的两阈值。下表是论文报告的效率数。
| 条件 | 首次成功率 | 两次内成功率 | 平均命中步数 |
|---|---|---|---|
| 有跨任务记忆 | 62.9% | 81.4% | 1.56 |
| 无跨任务记忆 | 46.4% | 57.1% | 2.27 |
表前说明比较的是相同 140 个请求的成功率和首次达标所需评估次数,成功率越高、步数越少越好。结果显示记忆带来 31.3% 的步数下降,Androids-R 的例子显示智能体从抑郁相关任务和嗓音病理经验中排除 Resyn 和 Neural VC,首选 FormantLPC 一次通过 PCCF0 0.791 和 EER 35.3%。限制是请求阈值是人工构造的 EER 与 BACC、CER/WER、情绪或 PCCF0 组合,换请求分布效率增益可能变化,且记忆只在同类经验相关时有效。
看图路径: 1. 看右侧有无记忆的两组柱子在首次成功率、两次成功率和平均步数上的差异;2. 沿左侧 Androids-R 的记忆检索到智能体首选 FormantLPC 的推理链条读一次
论文图 4。原论文 Figure 4::“| Experience-guided self-improvement improves the efficiency of task adaptation.”。
图 4 右侧柱状图直观显示有记忆组的成功率更高、平均步数更少。左侧执行轨迹展示检索到的粗粒度教训和细粒度既往分数如何变成首选决策。这说明经验复用减少重复评估,但仍需在当前任务上实测验证,不能把历史最优直接当部署最优。
哪些情况还不可靠:识别错误、工具数量和人工复核
论文明确列了三点局限。第一,转写依赖语音识别,低资源语言、方言、儿童和重度病理语音的识别错误会传导到后续匿名,可能同时影响隐私和效用,需要针对人群做识别适配。第二,只验证了 5 种声纹方法和一种大模型内容匿名,模块化设计允许接入更多工具,但本文未测。第三,高风险场景仍可能需要人工复核,CASA 把转写、敏感区间、时间戳和评估结果存成可检查可修改的 JSON,支持研究者干预。
从复现角度还要补两点。统计上多处未做多重校正,单任务显著性需谨慎解读;BACC 结论绑定所用语音大模型分类器、切段平均和被试独立划分,换模型或换指标可能改变对效用保留的判断。缺这些验证不等于方法有错,只是证据边界。
想复现第一步做什么:代码、数据与关键参数
作者资源当前可用,代码已公开在 https://github.com/JaderOx/AnonymiseAgent,第三方链接只证明论文提到该地址,不证明作者已开源其他部件。公开数据集按原文引用来源获取,三份院内数据集 Suicide-YF、Crisis、PUMCH 因含敏感临床录音不公开,需按数据使用协议和伦理审批申请。
复现先跑转写加评估链。中文用 Paraformer、其他语言用 WhisperX 得词级时间戳;声纹按原文参数执行,如 Pitch 按性别平移正负 3 半音、Formantspec 缩放 1.1、FormantLPC 阶数 20 幂系数 0.8;内容定位默认用本地 Qwen2.5-32B-Instruct,提示词需按任务改写;评估用 WavLM-Base-Plus-sv 提向量算余弦 EER,用 UTMOS 估 MOS,用 librosa 提基频算 PCCF0,用 Emotion2Vec 算情绪余弦。先在 Saarbrücken 或 Androids-R 这类公开子集上复现固定方法的 EER 与 BACC 方向,再接入智能体循环。
什么时候值得试,还缺什么验证
当任务同时有声纹泄露和说话内容泄露风险,且不同病种对声学细节敏感度不同时,值得试任务自适应。特别是嗓音和腭裂这类依赖细微发声的任务,不宜直接用重合成;心理热线这类开放谈话,需要任务化提示才能找准敏感片段。复现时应先固定 EER、BACC 下降和 F1 阈值,再看通过率,而不是只比平均分。
还需要补的验证是更强攻击者、更多语言和方言下的转写鲁棒性,以及换分类器和换临床终点后的效用一致性。论文还报告 Suicide-YF 经匿名后已在跨机构共享中实际使用,这是有数据使用协议下的受控共享证据,不是无条件公开的依据。总体上,CASA 的价值在于把匿名从固定流程变成可评估可复用的优化循环,代价是每次新任务仍需评估迭代和必要的人工核查。
📎 论文与评分元数据
排名:前25% | 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



