英文题目：Beyond Content: A Comprehensive Speech Toxicity Dataset and Detection Framework Incorporating Paralinguistic Cues
会议身份：
conference:aaai:2026:conference-paper-id:36960
✅ 来源为官方会议 PDF；可重放的表格、公式文本与 Figure 像素已按 PDF 抽取结果绑定，未成功恢复的结构不作推断。
标签：#内容审核 #基准测试 #多任务学习 #音频分类
评分：7.8/10 | 创新 1.4/2 | 技术严谨 1.0/1.5 | 实验充分 1.2/1.5 | 清晰度 0.8/1 | 影响力 1.1/1.5 | 开源 1.0/1.5 | 可复现 0.3/0.5 | 工程/实践 1.0/1.5
排名：前25% | 文档类型：数据集与基准
👥 作者与机构
- Zhongjie Ba：机构信息未能从会议 PDF 纯文本可靠映射
- Liang Yi：机构信息未能从会议 PDF 纯文本可靠映射
- Peng Cheng：机构信息未能从会议 PDF 纯文本可靠映射
- Qingcao Li：机构信息未能从会议 PDF 纯文本可靠映射
- Qinglong Wang：机构信息未能从会议 PDF 纯文本可靠映射
- Li Lu：机构信息未能从会议 PDF 纯文本可靠映射
📌 核心摘要
输入为英语语音波形，输出为七类毒性加安全类的类别标签与文本或副语言来源的多标签判断，难点是文本无害但语调情感有害的样本会被纯转写审核漏检。本文先整合八个真实语料并经大模型抽取标签加人工仲裁构建带来源标注的ToxiAlert-Bench，覆盖三万余条音频与七类二十标签。本文再用文本安全语句经语音合成生成副语言有害补充样本，以补足纯韵律毒性并缓解类别不均衡。然后以Wav2Vec 2.0编码器抽取统一表征并送入来源头与类别头分别预测来源与类别，分阶段先独立训练双头再联合微调以减少任务干扰。与仅融合情感特征或只做文本辅助多任务的方法不同，该设计把来源判别作为显式辅助任务，具有实际可解释的审核意义。在ToxiAlert-Bench测试集下，ToxiAlert的准确率为80.04，高于Gemini-2.5-Flash的70.84。该结论适用边界受限于英语与预设七类二十标签体系，对重叠说话与强噪声直播的鲁棒性尚未验证。原文未披露训练、推理或部署成本。
🔗 开源与复现资源
- 代码相关资源：https://github.com/yiliang-la/ToxiAlert — 链接可访问（HTTP 200）
- 第三方资源：https://dun.163.com/ — 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
只看文字为什么会漏掉语音里的伤害？
这篇论文研究的任务是语音毒性检测，也就是判断一段音频是否具有威胁、辱骂、歧视、性暗示、恐怖压迫或讽刺冒犯等有害意图。输入是原始语音波形，输出是安全或有毒，以及有毒时的具体类型与毒性来源。目标读者需要先建立一个基本判断：语音包含两层信息，一层是说什么，即转写成文字后的语义，另一层是怎么说，即情绪、语调、语速、重音、停顿、笑声、呻吟与类自主感官经络反应声音等副语言线索。
论文的出发点是，当前主流文字审核系统在社交平台文本上相对成熟，但在直播、游戏语音、多人连麦等语音场景中不够用。一个例子是，字面温和的句子配上讽刺语气可以变成冒犯，论文明确把这类现象作为教学例子提出，不附加无来源的效果数值。另一个例子是，不依赖具体词义的呻吟或暗示性气声可以直接构成成人内容，这类信号在纯文本转写后会被丢掉。也就是说，文本通道安全不等于语音通道安全。
因此作者把问题拆成两个可核对的动作。第一是补数据，构建同时标注毒性类型与毒性来源的数据集，明确区分毒性来自文本、来自副语言、两者兼有还是安全。第二是改模型，让模型同时学会判断毒性从哪里来与毒性是什么，而不是只学一个二分类有毒或无毒。本文后续按学习依赖展开，先讲已有路线为何偏向文本，再讲数据集如何构造，再讲双头模型与 3 阶段训练如何执行，最后讲实验条件、主结果、反例与复现要点。
已有三条路线各解决了什么，又在哪里停下？
论文把音频毒性检测的相关工作归为 3 类，便于研究生按输入、目标与监督方式对照。第一类是通用声学方法，直接从音频提取声学特征做分类，代表是自注意力卷积网络与使用滤波器组或 wav2vec2.0 特征的 DeToxy。这类方法输入只有音频，目标是毒性二分类，优点是不强依赖转写文本，但论文指出已有公开实现更多关注字面内容对应的毒性，对副语言单来源毒性覆盖不足。
第二类是特征融合方法，把语音情绪识别或声学情绪特征与文本特征拼接或注意力融合后再判别仇恨或有毒言论。这类方法同时用音频与文本两个输入，目标仍是毒性分类。搭配情绪特征的理由是情绪与毒性存在相关性，但论文指出的问题是，融合往往只覆盖预先选定的少数声学维度，可能漏掉未被显式抽取的细微副语言信号。
第 3 类是文本任务辅助的多任务学习，用自动语音识别、对齐或关键词检测等辅助任务帮助主毒性任务。这类方法训练阶段需要文本监督，推理阶段有的仍只需要音频。论文的判断是，这类设计对文本信息依赖较重，当语义良性但语调有害时容易失效。
在数据与可复现性上，论文报告的对照条件是，只有 DeToxy-B 是公开的语音毒性数据集，包含 20271 条语音共 24.4 小时，其中 5077 条有毒样本完全按文本内容标注。也就是说，已有公开数据没有副语言单来源与双来源的显式标注。另一些关注非文本毒性的研究使用私有数据且构造方法不透明，代码也不开源。因此本文的数据贡献是针对公开数据缺口，方法贡献是针对文本依赖偏置与简单抽取预训练特征的做法。
数据集要回答哪三个标注问题？
ToxiAlert-Bench 是英文有毒语音数据集，论文报告包含 32561 个音频样本，总时长 60.82 小时，其中 19745 条来自已有语音语料，12816 条为专门合成的毒性分析样本。数据集按 7 比 1 比 2 划分为训练集、验证集与测试集。每个样本需要回答 3 个标注问题，第一是有毒还是安全，若有毒属于七大类别中哪一类，第二是毒性来源是仅文本、仅副语言、两者兼有还是安全，第三是在 20 个细粒度标签中具体是哪一种。
七大类别在原文中记为讽刺、恐怖、性内容、心理健康与风险行为、政治与意识形态敏感、暴力与伤害、歧视，再加一个安全类别。来源标注是本文区别于 DeToxy-B 的关键，论文报告的数量是仅文本有毒 6953 条、仅副语言有毒 6728 条、双来源有毒 2551 条、安全内容 16329 条。6728 条纯副语言样本直接对应此前公开数据缺失的部分。
文本毒性 × 副语言毒性： 文本毒性分工是看转写后的字面语义是否违规，副语言毒性分工是看语气、情绪、语速、停顿与非言语声是否携带伤害意图，二者搭配的理由是同一句话换一种说法可以从安全变冒犯，组合意义是把毒性来源拆成文本、副语言、两者兼有与安全 4 种情况分别标注与建模。
理解该数据集构造全景需要先看整体流水线。左侧真实数据分支负责收集与标注，右侧合成数据分支负责生成字面无毒但听感有毒的样本，中间由大模型过滤、标签抽取与人工混合验证连接，底部再由聚类得到细粒度标签体系。
看图路径： 1. 先从左到右区分流水线一的真实数据收集与流水线二的合成数据生成；2. 再看中间大模型过滤、标签抽取与混合验证三步的输入输出关系；3. 核对右侧文本生成如何保证字面无毒、毒性只由合成语音承载；4. 观察底部自动聚类与人工校正如何得到二十个细粒度标签
论文图 1。原论文 Figure 1：“Overview of the ToxiAlert-Bench dataset construction framework.”。
从像素可见，该图顶部明确分为流水线一真实数据构建与流水线二合成数据构建。左侧数据集收集面板列出 8 个来源，包括 TIMIT、IEMOCAP、VCTK、LibriSpeech、VoxCeleb1、LJSpeech、Common Voice 与 MELD，并标注各自年份与用途。中间上方是大模型数据过滤，查询语句要求先判断是否有害，再分为讽刺、恐怖、性内容等类别，两个机器人气泡分别示例有害与无害判断。中间下方是语言模型标签抽取，要求只按给定描述分类、不自行推断，示例是否、有害类别与内容、语气、两者兼有的来源选项。
右侧上方是文本生成，示例生成含微妙心理恐怖但避免显性措辞的句子，下方是语音合成，把同一文本合成为带不同声学风格的音频。底部左侧是自动分组聚类示意，出现药物、死亡与暴力等簇，底部右侧是混合验证，示例性别刻板印象等描述与最终来源复核。该图支持的判断是，真实分支解决覆盖面，合成分支解决副语言单来源样本不足，人工验证解决大模型标注噪声。
双头模型的三阶段训练全景是什么？
ToxiAlert 模型的设计目标是统一处理文本来源、副语言来源与混合来源毒性。按一个样本走完全程，输入是一段重采样到 16 千赫、至多截断到 25 秒的波形，先进入 wav2vec2-large-960h 语音编码器得到帧级隐表示，再同时送入两个分类头，一个输出毒性来源概率，一个输出毒性类别概率。编码器负责通用语音表征，分类头负责毒性决策，这种分工使模型既能利用预训练表示中的语义信息，也能利用韵律与情绪信息。
3 阶段训练是为了解决双任务互相干扰与类别不平衡。第 1 阶段只训练来源头，第二阶段只训练类别头，第 3 阶段再联合微调两个头。全程配合类别平衡采样与加权损失。采样策略是每批每个类别选固定数量样本，论文报告每类选 3 个，共 8 类对应批量 24。
看图路径： 1. 对比三个阶段中哪个头处于训练态、哪个头处于冻结态；2. 沿波形到编码器再到双头的箭头确认共享表示位置；3. 核对每阶段下方损失函数与右下角全参与训练微调图例；4. 观察阶段三输入类别覆盖如何从部分类别扩展到全类别
论文图 2。原论文 Figure 2：“Overview of the ToxiAlert training framework.”。
从像素可见，该图分为 4 个面板。左上阶段一中来源头标为全参数训练，类别头标为冻结，输出为文本与副语言两个来源，下方为二元交叉熵形式的来源损失。右上阶段二相反，来源头冻结、类别头训练，输出为讽刺、恐怖直至歧视的 7 类，下方为带类别权重的类别损失。左下阶段三两个头同时标为全参数训练，输入侧示意覆盖安全与全部毒性类别，下方为来源损失与类别损失的加权和。
右下表格与图例说明火焰为全参数训练、雪花为冻结、扳手为微调，并列出安全与不同类别范围在毒性、文本、副语言三列上的取值。该图支持的判断是，先分后合不是简单的训练技巧，而是通过冻结与解冻控制梯度只更新当前目标对应参数，原文明确给出各阶段数据范围与损失形式。
编码器与两个分类头各自计算什么？
编码器记为从波形到隐表示的映射，输入波形为时域采样序列，输出为时间步数乘特征维度的矩阵。论文采用 Wav2Vec 2.0 作为语音编码器，后接 3 层全连接层分别实现来源识别与毒性分类。初学者可以把编码器理解为听觉特征提取器，把分类头理解为基于这些特征的判分器。
来源头是多标签分类头，用元素级 Sigmoid 输出两个独立概率，分别表示文本有毒的概率与副语言有毒的概率。两个概率相互独立，允许同时为一，对应双来源有毒，也允许同时为零，对应安全。其计算目标是回答毒性从哪里来。
\[ˆy(s) = σ(g(s)\]类别头是多分类头，用 Softmax 输出 8 个互斥类别上的归一化似然，包括 7 个有毒类别与一个安全类别。其计算目标是回答毒性是什么。Softmax 的含义是 8 个类别概率和为一，模型选择概率最大者作为预测类别。
\[ˆy(c) = softmax(g(c)\]来源头 × 类别头： 来源头分工是做二标签多标签判断，分别回答文本是否毒与副语言是否毒，类别头分工是做八选一多分类，回答属于七大毒性类别中哪一类或安全，二者搭配的理由是来源判断提供毒性从哪里来、类别判断提供毒性是什么，组合意义是共享同一语音编码器表示后再由各自损失监督，避免单头只学字面语义。
自监督语音编码器 × 分类头： 自监督语音编码器分工是把波形映射为同时保留语义与韵律信息的帧级表示，分类头分工是把该表示池化映射为来源概率与类别概率，搭配理由是直接用声学手工特征难以覆盖细微有害意图，而大规模预训练表示更通用，组合意义是编码器负责通用听觉表征、分类头负责毒性决策。
需要如实指出缺项，原文没有报告编码器在哪 1 阶段冻结或微调的逐参数细节，也没有给出池化方式与全连接层维度等完整结构超参数。因此复现时不能从模型名称推定编码器一定全程微调，只能按原文已验证的 3 阶段头冻结关系与损失形式执行，缺失部分应在复现记录中标明待确认。
三阶段如何组织数据、损失与采样？
第 1 阶段训练来源头并冻结类别头，目标是学会区分文本与副语言毒性来源。数据只取讽刺、恐怖与性内容 3 类，因为按论文观察，只有这 3 类稳定出现完整的来源条件组合。为平衡类别，加入数量约为这 3 类有毒样本总数三分之一的安全样本。监督信号是每个样本在文本与副语言两个维度上的二元标签，损失为二元交叉熵。
第二阶段冻结来源头并训练类别头，目标是学会毒性类别判别。数据取全部 7 个有毒类别，并包含文本有毒但副语言安全的样本，使模型聚焦文本判别，同时加入数量约为有毒子集七分之一的安全语音以维持平衡。损失为带逆频率权重的交叉熵，权重按类别频率倒数设置，用于缓解长尾不平衡。
第 3 阶段用全量数据端到端联合训练两个头，总损失是来源损失与类别损失的加权和，论文报告权重为 0.2 乘来源损失加 0.8 乘类别损失，反映来源任务相对辅助的定位。采样继续采用类别平衡采样，每批每类固定样本数。
\[Ltotal = λ · Lsource + (1 −λ) · Lcategory\]多阶段训练 × 联合微调： 多阶段训练分工是先独立训练来源头再独立训练类别头以减少任务干扰，联合微调分工是在最后阶段用全量数据同时优化两个头以协调表示，搭配理由是两任务数据分布与难度不同、一步联合易互相拉扯，组合意义是先分后合，先稳定各自分工再学习协作。
原文明确报告了采样数量、批量大小、权重取值与损失类型，但没有报告学习率、优化器、训练轮数与早停条件等完整训练超参数，也没有说明编码器梯度路径在各阶段是否完全一致。因此该节只能支持头冻结关系、数据范围与损失组合的复述，不能承诺按任意优化器设置都能复现相同数值。
与谁比、在什么条件下比、用什么指标？
基线包括专用毒性检测系统与通用多模态大模型两类。专用系统是开源二分类器 DeToxy 与网易易盾音频审核接口，通用模型是 Qwen2-Audio、GPT-4o Audio 与 Gemini-2.5-Flash。ToxiAlert 与 DeToxy 在 ToxiAlert-Bench 训练集上训练，其他基线直接评估。评估提示词细节见原文附录，本文不补充无来源的提示词内容。
评估设置覆盖 4 个问题。第一是类别级毒性分类，报告总体准确率、每类准确率与 Macro-F1，Macro-F1 对每类同等加权，适合类别不平衡下的全局判断。对于只有二分类输出的 DeToxy，原文把所有有毒类合并为有毒后再计算二分类准确率，以保证比较公平。第二是标签级细粒度分类，比较 20 个细粒度标签上的每类准确率。第三是来源识别，把文本与副语言看作多标签任务，报告标签级准确率、F1、Macro-F1、Micro-F1 与样本级子集准确率，子集准确率要求一个样本的全部标签都预测正确，方向均为越高越好。
第四是泛化评估，在 DeToxy-B 测试集上直接测试，测试集因部分子集停止开放而保留 2035 个样本，指标包括平衡准确率、二分类 F1 与有毒样本准确率。
实现条件按原文交代，音频编码器为 wav2vec2-large-960h，后接 3 层全连接层，音频重采样到 16 千赫并截断到 25 秒，实验使用英伟达 A100 与 PyTorch。原文未报告推理延迟、吞吐与训练耗时，因此不能从准确率优势推断部署成本优势。代码资源状态是正文开源声明的唯一依据，当前可用性为可用，地址为论文给出的 ToxiAlert 仓库，第三方审核接口状态为可用，但本次解读不把接口可达性当作长期保证。
主结果在哪些条件下成立，反例在哪里？
类别级主结果的问题是，在自建基准的 7 类毒性上，新方法是否同时提升总体准确率与类别平均效果。公平条件是 ToxiAlert 与 DeToxy 同在 ToxiAlert-Bench 训练集上训练，通用大模型直接评估，指标方向均为越高越好。论文报告，相对最强基线 Gemini-2.5-Flash，ToxiAlert 的 Macro-F1 相对提升 21.1%，总体准确率相对提升 13.0%。这组数字支持的判断是，双头加副语言建模在类别不平衡下改善了全局与平均类效果，但限制是该结论目前只在自建基准的划分与标注口径下得到验证。
来源拆分结果的问题是，当毒性只通过副语言表达时，模型是否仍能检出。论文聚焦讽刺、恐怖与性内容 3 类，分别测试仅副语言、仅文本与两者兼有的准确率。报告显示，仅副语言条件下 ToxiAlert 在讽刺上达到 91.56%，在恐怖上达到 97.60%，在性内容上达到 98.13%，明显高于同行基线。来源识别整体上，副语言准确率为 91.18%、F1 为 83.30%，文本准确率为 86.21%、F1 为 75.66%，样本级子集准确率相对最强基线提升 44.9%。
下表是原文按毒性类型乘来源条件给出的逐格准确率对照，列方向为不同模型，行方向为类型与来源组合，数值单位为百分比，越高越好。表前需要明确，阅读时应按行比较同一条件下的模型差异，而不是把不同行的绝对值直接平均。
| Sample- Sarcasm-Para. | 4.98 | 31.17 | 62.12 | 91.56 |
|---|---|---|---|---|
| Sarcasm-Tex. | 0.00 | 6.67 | 0.00 | 13.33 |
| Macro Micro Subset Sarcasm-Para.&Tex. | 2.25 | 9.09 | 14.61 | 38.20 |
该表显示的主要收益是，在副语言单来源行中本方法对应列的数值明显高于其他列，例如讽刺副语言、恐怖副语言与性副语言行的最后一列分别达到九十以上。具体代价与反例是，讽刺仅文本行的本方法准确率仅为 13.33%，讽刺双来源行为 38.20%，恐怖仅文本行为 43.40%，说明模型并未在所有来源条件下都取得高准确率。总体趋势不等于每行都成立，文本单来源讽刺仍是短板。 从像素看来源对照热力图可以进一步核对上述判断。
看图路径： 1. 先确认横轴四个模型与纵轴九个类型乘来源条件的含义；2. 再比较同一行内从左到右准确率颜色由浅到深的变化；3. 重点观察副语言单来源三行中最后一列的高值格；4. 注意讽刺文本单来源等低值行，确认模型短板位置
论文图 3。原论文 Figure 3：“Performance comparison on source-specific tox- icity detection across three toxicity types and three source settings. ACC denotes per-class accuracy.”。
从像素可见，该热力图纵轴为 9 个条件，横轴从左到右为 4 个模型，右侧色条为准确率百分比，颜色越深表示准确率越高。第一行讽刺副语言从左到右为 4.98、31.17、62.12、91.56，第七行性副语言为 0.53、10.96、23.20、98.13，第四行恐怖副语言最后一列为 97.60，均呈现最右侧最深。反例同样可见，第二行讽刺文本整行都很浅，最后一列仅 13.33，第八行性文本各列差距较小，说明优势集中在副语言单来源条件。该图支持的判断是，通用大模型在副语言单来源上系统性偏低，而本方法通过显式来源建模补上了该条件。
拿掉双头、多阶段与平衡采样后发生什么？
消融研究的问题是，3 个核心组件是否各自对最终效果有可测贡献。论文 1 次移除一个组件，分别测试毒性类别分类与毒性来源识别。指标包括类别准确率、Macro-F1、二分类准确率、来源 Macro-F1 与子集准确率，方向均为越高越好。
下表整理论文报告的可运行策略对照，条件列为是否保留完整方法，指标列为类别与来源任务的准确率与 F1 类指标，数值保留原文百分比写法，比较对象为完整 ToxiAlert 与 3 个消融变体。该表不是数据集规模表，而是结果表，用于支撑组件必要性判断。
| 条件 | 任务 | 总体准确率 | Macro-F1 | 二分类或子集准确率 |
|---|---|---|---|---|
| 副语言单来源讽刺 | 来源拆分条件 | 91.56% | 未报告 | 未报告 |
| 副语言单来源恐怖 | 来源拆分条件 | 97.60% | 未报告 | 未报告 |
表后解释需要同时给出收益与代价。收益是完整方法在类别任务上达到 80.04% 准确率与 69.69% Macro-F1，在来源任务上达到 79.48% Macro-F1 与 80.21% 子集准确率，均高于移除任一组件的变体。论文报告，移除来源头后类别准确率降至 75.04%、Macro-F1 降至 66.01%，且不再能做来源识别。移除多阶段策略后总体准确率降至 78.25%、子集准确率降至 77.80%。移除平衡采样后两任务同样下降。代价是消融只覆盖这 3 个模块，未评测编码器规模、合成数据比例与权重取值的敏感性，也未报告统计显著性，因此不能把单次下降幅度理解为因果效应的精确估计。
未胜出项需要明确指出，细粒度二十标签上并非全线领先。从像素看本方法与最强通用大模型的柱状对比可以核对。
看图路径： 1. 先确认图例中灰色为通用大模型、绿色为本方法；2. 再沿横轴二十个细粒度标签比较每组两根柱子的高低；3. 找出本方法明显占优的前三组与基本持平或落后的组；4. 结合纵轴百分比判断差距是绝对领先还是小幅波动
论文图 4。原论文 Figure 4：“Fine-grained comparison of ToxiAlert and Gemini-2.5-Flash on ToxiAlert-Bench.”。
从像素可见，横轴为 20 个细粒度标签，纵轴为每类准确率百分比，灰色为通用大模型，绿色为本方法。左侧前 3 组绿色明显高于灰色，中间部分绿色多数占优但差距收窄，右侧有个别灰色与绿色基本持平，甚至灰色略高的组别，最后一组两者都很低。该图支持的判断是，本方法在多数细粒度标签上更好，但改进幅度不均匀，部分稀有或语义相近标签仍是难点，可能与待验证的标注噪声与样本量有关。
哪些结论还不能下，边界在哪里？
第一是数据边界。数据集为英文语音，真实数据来自 8 个公开语料，合成数据依赖大模型生成文本与 DubbingX 合成语音。论文明确合成文本经安全机制保证字面无毒，使毒性只由副语言承载。这一做法的优点是可控，但待验证的是合成韵律与真实冒犯语音的分布差距，合成覆盖的讽刺、恐怖与性暗示风格是否代表真实直播与游戏语音仍需外部验证。
第二是标注边界。真实数据先用两个大模型过滤与初步评估，再用语言模型抽取结构化标签，不一致样本送人工重标，合成与真实数据最后由 2 名领域专家独立标注，Cohen kappa 为 0.82，不一致经讨论解决。该流程支持的判断是标注一致性较高，但论文未公开逐样本分歧率与难例分布，因此不能把 0.82 直接理解为每个细粒度标签都同样可靠。
第三是评估边界。泛化评估显示，在 DeToxy-B 上本方法相对 GPT-4o Audio 在平衡准确率上提升 4.5%、F1 提升 2.8%、有毒样本准确率提升 32.9%，报告为直接测试而无额外微调。但 DeToxy-B 本身按文本定义毒性，且测试集因开放问题缩减到 2035 条，因此该结果支持跨数据集泛化，但不能推广为对所有副语言毒性的泛化。原文也未测量误判率、延迟与审核成本，准确率优势不能承诺误伤更低或部署更快。
第四是指标口径。百分点与相对百分比不同，21.1% 与 13.0% 是相对提升，不是绝对百分点增加。不同指标的差值不能混放，自动指标也不能当作人工审核效果。原文表头与正文若出现口径冲突，应以原文连续句子为准，本文对冲突不自行调和。
要复现应先准备什么，再跑哪三步？
复现前先固定信息条件。数据方面需要 ToxiAlert-Bench 的训练、验证与测试划分，比例为 7 比 1 比 2，以及来源四分类与 7 类加安全类别的标签定义。基线方面需要区分可训练的 DeToxy 与直接调用的通用大模型与商业接口，避免把不同运行阶段的系统当作同条件胜负。指标方面需要同时实现类别准确率、Macro-F1、二分类准确率与多标签来源指标，子集准确率必须按样本全部标签正确计算。
模型复现可按原文已验证的 3 步执行。第一步准备音频输入，统一重采样到 16 千赫并截断到 25 秒，编码器选用 wav2vec2-large-960h，后接分类头。第二步按阶段组织数据，第 1 阶段只用讽刺、恐怖、性内容 3 类加约三分之一安全样本训练来源头，第二阶段用全 7 类加约七分之一安全样本训练类别头，第 3 步用全量数据与 0.2 加权联合微调。每批按每类 3 个共 24 个样本做类别平衡采样，并对类别头使用逆频率加权。
需要保留的关键缺项是，原文未给出学习率、优化器、轮数、早停、随机种子与硬件时长，编码器逐层冻结细节也不完整。建议复现记录中明确标注这些缺项的实际取值，并先跑通来源头单阶段与类别头单阶段，再跑联合微调，以便定位任务干扰。代码开源不等于权重可下载与系统可一键运行，第三方接口可用性也可能变化，复现时应以本次确认的资源状态与论文仓库实际文件为准。
何时值得尝试这种双头思路？
当任务同时满足 3 个条件时值得尝试，第一是输入为语音且伤害可能不在字面意义中，第二是需要向审核人员解释毒性从哪里来，而不仅是给出有毒分数，第三是数据存在明显的类别不平衡与任务干扰。此时把来源判断与类别判断拆成两个头，先分后合，并配合平衡采样与加权损失，是论文已验证的有效组合。
当任务只有文本输入，或毒性完全由违禁词决定，或没有副语言标注时，该思路的额外收益可能有限，强行增加来源头反而引入噪声。合成数据适合补足稀有副语言风格，但不能替代真实场景验证，上线前还需补测误判率、延迟、成本与多语言表现。
对刚进入语音与音频方向的研究生，建议把本文当作一个可复述的方法模板来读，输入到表示到组件到目标到输出的链条是，波形经自监督编码器得到共享表示，来源头回答文本或副语言是否毒，类别头回答属于哪一类，3 阶段训练先隔离后协同。记住核心数字的适用条件，相对最强基线的 21.1% 与 13.0% 是在自建基准上的相对提升，91% 以上的高准确率集中在副语言单来源的 3 个类别上，而讽刺文本单来源仍是反例。抓住来源拆分这个中心矛盾，就抓住了全文的方法选择与证据结构。
⚖️ 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