英文题目：From Token Imbalance to Balanced Routing: An ELBO-Regularized Probabilistic Framework for Contrastive Multimodal Learning
会议身份：
conference:aistats:2026:conference-paper-id:naderi26a
✅ 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：#对比学习 #混合专家模型 #多模态学习 #语音 #语音情感识别
评分：6.9/10 | 创新 1.2/2 | 技术严谨 0.9/1.5 | 实验充分 0.9/1.5 | 清晰度 0.7/1 | 影响力 0.9/1.5 | 开源 1.0/1.5 | 可复现 0.3/0.5 | 工程/实践 1.0/1.5
排名：前50% | 文档类型：方法研究
👥 作者与机构
- Habibeh Naderi：机构信息未能从会议 PDF 纯文本可靠映射
- Behrouz Haji Soleimani：机构信息未能从会议 PDF 纯文本可靠映射
- Stan Matwin：机构信息未能从会议 PDF 纯文本可靠映射
📌 核心摘要
该工作处理音频文本对比预训练后的情感与情绪识别，输入为语音频谱块序列与转写文本，输出为共享空间中的跨模态表示与零样本或少样本分类，难点在于频谱词元数量远超文本且语义密度相反导致路由坍缩与模态偏置。方法先将音频频谱按32×32方形块展平线性投影，文本经句子切分（SentencePiece）嵌入并投影到同维，附加模态标记后拼接送入共享密集Transformer编码，再堆叠稀疏混合专家（Mixture of Experts，MoE）层按词元取前K专家加权求和，随后平均池化与模态特定映射得到向量并以双向对比损失对齐。路由侧为每个专家维护指数滑动平均更新的原型均值，以球形高斯衡量词元与原型距离作为似然，集合后验取模态内路由平均并以均匀先验的散度（Kullback-Leibler，KL）保持多样性，再叠加熵形式的重要性与负载损失及Z损失与互信息（Mutual Information，MI）损失稳定门控。在LibriSpeech960预训练后直接评测的跨域设置中，大模型CoPRIME-L/32在MOSEI 10样本情感准确率为78.21%，在IEMOCAP 10样本为79.70%，相对自实现语言图像混合专家基线LIMoE-L/32分别高0.28和1.37个百分点；MOSEI微调后再测IEMOCAP的域内10样本准确率为82.17%，低于直接监督CORECT所报84.7%。结论仅在LibriSpeech加MOSEI与IEMOCAP内成立，未验证大规模噪声语料与开放词汇检索外推。训练在单卡NVIDIA GH200上完成，稀疏激活保持推理效率，但附录另有Titan RTX表述且未披露时长与吞吐实测。
🔗 开源与复现资源
- 代码相关资源：https://github.com/hanadk/coprime — 链接可访问（HTTP 200）
- 第三方资源：https://aclanthology.org/D18-2012/ — 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
输入是什么？为什么音频文本对齐比图文更难？
本文的输入是成对的音频与其转写文本，目标是学到跨模态可比的表示，用于情绪与情感识别的零样本和少样本迁移。预训练用约 960 小时的 LibriSpeech 语音加转写，评测用 MOSEI 和 IEMOCAP 的情绪与情感标签。做法不是为每个模态各训一个大编码器，而是把两类 token 送入统一的共享 Transformer 加稀疏专家，再用对比损失对齐。
难点在于 token 数量极端不平衡。文本侧用句子分词器切成少量子词，音频侧把波形变成频谱图再按视觉 Transformer 方式切成小块并线性投影，一句话的音频块数远多于文本词数。补充材料把这种对比说得更直白：图文约 12 比 1，音频文本因频谱分块可达约 50 比 1。数量少但语义更直接的文本容易被数量大的音频淹没，路由会把少数模态的 token 丢掉或挤到个别专家，全局看似均衡实则局部拥塞。
频谱分块 × 句子分词： 频谱分块把原始波形先变成时频谱图再切成不重叠小块并线性投影，得到大量音频 token；句子分词把文本切成子词再查表投影，得到少量文本 token。两者分工是把不同信号统一成同维向量以便共享编码器，搭配后直接暴露了本文的矛盾：同一句话的音频侧 token 数远多于文本侧，路由若无约束就会被音频淹没。
对刚入门的读者，可以把任务想象成例子：同一句“今天天气很好”，文本只有几个子词，音频却切出几百个频谱小块。例子仅用于理解数量差，不代表论文报告了该句的实测 token 数。模型必须在这种不对称下仍让每个专家既有分工又不被多数模态绑架，这就是后文 ELBO 加熵正则的动机。
这条路线从哪里来？与 LIMoE 有何不同？
多模态对比学习的代表是 CLIP 一类方法，用配对与非配对的相似度学习可迁移表示。稀疏混合专家则来自条件计算路线，用路由器对每个 token 只激活少数专家，以近似恒定的计算换更大的容量，在语言、视觉和多模态中都有应用。LIMoE 是较早把两者结合用于语言图像的多模态专家模型，并指出多模态共用 MoE 会出现特有的路由失效，引入了基于熵的正则。
本文继承了共享主干加稀疏专家的总体结构，但在对象和损失上做了针对音频文本的改动。对象上，音频用频谱分块而非图像块，文本仍是子词，统一投影到同维并加模态标记后拼接送入共享编码器。损失上，保留对比主损失，另设 ELBO 负责专家能否解释分到的 token，重要度与负载改成熵形式并辅以 Z 损失与互信息损失。论文明确说架构类似 LIMoE 但目标函数是新的，比较时自己实现了 LIMoE 风格变体，因为缺乏官方代码且模态与数据集不同无法直接对齐。
这种对照意味着不能把图文上的结论直接搬到音频文本。音频 token 更多、信息冗余更大，文本反而是更可靠的语义锚，论文因此给 ELBO 单独的权重以控制专用化与多样性的折中。
要解决的具体路由失败是什么？
论文要解决的不是对比学习本身学不会，而是路由在模态不平衡下的两种失效。第一种是专家崩塌：路由器为最小化均衡损失，只把多数模态的 token 均匀分好，少数模态的 token 被整体丢弃或塞给个别专家，全局指标仍显示均衡。第二种是过度自信与数值不稳：路由器 logits 过大导致分配过于确定，梯度变差，大模型下更明显。
形式化地说，每个 token 有一个经 softmax 得到的专家分布，Top-K 选择决定实际计算哪些 MLP。重要度只统计门控权重之和，负载统计被选中的概率质量。只看前者会在音频占优时失灵，因为文本 token 少，对总和影响小。论文因此同时约束两者，并用集合层面的后验对齐来防止每个样本都塌到同一个专家。
理解这一点后，后文的损失才有位置：对比损失管语义对齐，ELBO 管专家是否真的拟合了分到的数据几何，熵类损失管流量是否稳定且多样。
CoPRIME 让一个样本走完需要经过哪些步骤？
先沿一个配对样本走全程。文本句子先分词并查表投影，音频波形先转频谱图、切块、展平再线性投影，两路向量统一到相同维度并附加模态标记。拼接后的长序列进入共享的稠密 Transformer 层做自注意交互，再进入交替的 MoE 编码层，每个 token 由路由器选出得分最高的 K 个专家，加权组合其 MLP 输出。最后按模态分别做序列平均池化，经各自线性投影得到音频向量与文本向量，送入双向对比损失。
下图是论文给出的总体结构，底部是两路分词与分块，中部是 Transformer 与 MoE 交替，顶部是平均池化与对比损失，中间放大框展示了路由器与多专家的关系。初学者读图时先看主路径再看门控分支，有助于区分表示变换与路由决策。
看图路径： 1. 从底部文本分支和音频波形分支向上追踪，看两路 token 在哪里拼接；2. 观察中间 MoE 放大框内 Router、自注意力与多个 MLP 专家的连接方向；3. 对比顶部蓝色文本平均池化与绿色音频平均池化汇入对比损失的箭头；4. 注意门控权重小柱状图指向专家加权求和的位置
论文图 1。原论文 Figure 1：“CoPRIME, a sparsely activated contrastive ELBO- regularized multimodal model.”。
从像素可见，底部左侧文本“ It was a beautiful day”经切分得到若干子词再线性投影，右侧波形经频谱图再切成网格小块再投影；中部虚线框内自注意力输出给路由器，路由器同时指向各 MLP 专家与顶部的加权求和节点，左侧另有门控权重柱状图；顶部蓝色与绿色平均池化分别得到文本与音频表示，箭头指向最上方对角为对勾、其余为叉号的对比矩阵，含义是配对相似、非配对远离。
对比学习 × 混合专家： 对比学习负责把配对的音频和文本表示拉近、把非配对推远，给出跨模态对齐目标；混合专家负责按 token 动态只激活少数 MLP 专家，给出可扩展的容量。两者搭配的理由是共享 Transformer 已能隐式交互，但音频 token 量压倒文本时单一稠密前馈容易被多数模态主导，稀疏专家可以分流不同分布的 token，而对比损失保持分流后仍对齐到同一语义空间。
这个流程的关键是无模态专用编码器与解码器，跨模态交互靠共享自注意隐式完成，容量扩展靠稀疏专家显式完成。音频 token 多的问题没有在分块阶段解决，而是留给路由损失在训练中解决。
路由器与专家如何计算？ELBO 与熵损失各管什么？
路由器是一个轻量线性加 softmax。对每个 token 计算各专家的门控权重，只取最高的 K 个参与输出，输出是选中专家 MLP 结果的加权和。基础版与大型版分别用 Top-2 与 Top-4，每层专家数分别为 8 与 16。门控权重的计算形式是论文明确给出的路由公式，符号含义是输入向量经矩阵映射再归一化为专家分布。
\[softmax(Wgx) ∈RE,\]上式中 x 是 token 表示，Wg 是可学习的路由矩阵，输出是 E 个专家的概率向量。同一符号在后文也写作 g(x) 等于 softmax(Wx)，只是省略下标，含义一致。实现上负载估计还加入高斯噪声做平滑，用第 K 大分数做阈值并用累积分布函数算选中概率，以保证离散 Top-K 可做梯度优化。
\[g(x) = softmax(Wx) ∈RE\]ELBO 部分先把某模态下所有 token 对某专家的平均选择概率看成集合后验，再要求该分布接近均匀先验，同时要求被选专家对该模态 token 有高似然。似然用无解码器的原型高斯实现，每个专家维护一个经指数滑动平均更新的中心，token 离中心越近似然越高。直观说，流量均衡只保证人人有活干，ELBO 还要求干的活与自己的专长几何相符。
ELBO 损失 × 熵正则： ELBO 损失分工是让分到某个专家的 token 能被该专家解释好，同时用均匀先验的 KL 项防止所有 token 挤到少数专家；熵正则分工是让重要度和负载分布保持高熵、路由 logits 保持小幅值、模态与专家保持互信息。搭配原因是 ELBO 管数据几何上的分工是否有意义，熵正则管路由流量是否稳定，两者合起来才是在极端数量不平衡下既分工又不崩塌。
熵类损失包括重要度熵、负载熵、Z 损失与互信息。重要度熵最大化门控权重加和的熵，负载熵最大化选中概率加和的熵，Z 损失惩罚路由器 logits 的对数配分函数的平方以防过大，互信息项同时考虑局部确信与全局多样。论文强调熵形式只鼓励均衡而不硬性压方差，因此允许模态专用专家存在。
重要度损失 × 负载损失： 重要度损失看门控权重的加和分布是否均衡，负载损失看经 Top-K 采样后每个专家实际被选中的概率质量是否均衡。前者只看权重加和会被多数模态糊弄，后者补上离散选择的平滑估计。论文把两者都从变异系数改成熵形式，理由是允许受控的非均匀以保留模态专用专家，同时获得更平滑的梯度。
最终总目标是对比损失加 ELBO 项加 4 个辅助项，ELBO 单独一个系数，其余 4 个共用一个系数。论文的安排理由是音频不如文本信息直接且数量反而更多，与图文的直觉相反，需要更精细地控制专用化程度，太高会过度分离，太低会利用不足。
为什么不用变异系数？高斯似然是否增加很多参数？
传统重要度与负载用变异系数，即标准差除以均值的平方，目标是把专家利用率压到完全均匀。论文认为这种硬约束对多模态不合适，因为某些专家本就应该专攻某种数据模式，微小偏离不应被严厉惩罚。熵形式只奖励高熵，允许受控偏离，且形式简单可微，在专家很多时梯度更友好。补充材料提到内部试过变异系数版本，验证精度略弱，但主要论据仍是稳定性与灵活性而非单点精度差。
高斯似然没有引入解码器，每个专家只需维护一个与 token 同维的原型中心并用滑动平均更新，额外参数可忽略。集合后验由平均路由概率得到，不需要对每个长序列做复杂的变分推断。这种设计把数据感知的压力放在表示几何上：同专家内的 token 应更集中，不同专家中心应更分散，论文称这能降低簇内散布并提高簇间分离。
需要提醒的是，论文未报告原型方差如何选取、滑动平均动量与更新时机，也未给出路由器噪声方差之外的全部细节。复现时应先按原文默认行为实现均匀先验与原型更新，再通过消融确认 ELBO 是否真正带来簇更紧致，而不是仅凭流量均衡判断成功。
训练与调参的实际操作是什么？
训练分 2 阶段理解。预训练在 LibriSpeech 上做对比加路由正则，评测时按跨域与域内两种协议走。跨域是预训练后直接在 MOSEI 与 IEMOCAP 做零样本与 10 样本评价，域内是先在较大的 MOSEI 上全量微调再到 IEMOCAP 上做零样本与 10 样本评价。优化器用 AdamW，学习率与批量在所有实验中固定，损失权重经网格搜索确定。
下表把论文明确写出的训练与调参条件整理成可核对的操作清单，数值与单位保留原文写法，便于复现时逐项对照。表前的问题是：哪些训练条件是全文原句可验证的，哪些需要额外假设。公平比较要求同一预训练数据源与同一评测协议，指标方向是精度与 F1 越高越好。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 优化器与批量 | 学习率与批量 | AdamW, 1e-4, 批量 256 | AdamW, 1e-4, 批量 256 | 全实验统一 |
| 损失权重 | 调参结果 | 待搜索 | 0.02 与 0.04 | ELBO 与辅助权重 |
| 稳定区间 | 高原范围 | 区间外退化 | ELBO 0.02 至 0.08, 辅助 0.005 至 0.04 | 1.3% 内波动 |
表后解释是：批量与学习率的统一减少了跨模型比较的混杂，权重选择的意义在于把 ELBO 与稳定器分开控制。代价是六项损失仍需联合调试，论文报告在较宽高原内性能变化有限，但收敛速度与梯度稳定性在区间外会变差，因此不能只看最终精度选权重，还要看验证损失方差。未报告的缺项是训练轮数、学习率衰减与早停规则，复现时需自行记录。
敏感性热力图进一步显示中心区域最深、边缘渐浅，说明中等权重同时给专用化与稳定留出空间。论文选择的权重落在精度与收敛速度的帕累托前沿，而非单纯的最高格。
在哪些数据与协议上测？基线是否可比？
预训练数据是 LibriSpeech960，评测数据是 MOSEI 与 IEMOCAP。MOSEI 含两万以上视频片段的情感与 6 类情绪标注，IEMOCAP 是约 12 小时的双人会话视听数据，含高兴、悲伤、愤怒、中性等情绪标注。论文聚焦情绪与情感识别，LibriSpeech 偏语音识别，MOSEI 与 IEMOCAP 偏情绪，因此跨域评测的源与目标域确有差异，域内评测则因同属情绪任务而更接近。
零样本迁移 × 少样本迁移： 零样本迁移用类原型相似度直接评价预训练表示是否可迁移，不更新主干；少样本迁移用少量标注训练线性头，评价表示在新情绪类别上的可调性。两者搭配可以区分表示本身的对齐质量与加一点监督后的上限，论文同时报告两者以说明跨域与域内两种难度。
基线包括同规模的稠密 Transformer、自行实现的 LIMoE 风格变体，以及外部的 HuBERT 与 CORECT。稠密基线去掉 MoE 只留 Transformer，用于隔离稀疏容量的作用。LIMoE 变体用于隔离损失创新的作用，因为参数规模与路由 Top-K 在 base 与 large 上已对齐。外部模型并非同协议可运行对照，HuBERT 是直接在情绪任务上的结果，CORECT 是有监督直接训练的结果，只能作为上限参考，不能当成同条件胜负。
评价用精度与 F1，单位为百分比。域内表还报告了 10 折交叉验证的 2 倍标准差作为误差条。硬件按补充材料是单卡 GH200，代码已公开，权重与完整复现脚本的可用性需以仓库当前状态为准。
跨域与域内结果支持什么判断？
跨域问题是：不经情绪数据微调，音频文本对比表示能否直接迁移到情绪任务。论文报告 CoPRIME 超过同规模稠密基线，且大型优于基础型，10 样本优于零样本，尤其在源与目标域不同时提升更明显。域内问题是：在 MOSEI 上微调后再到 IEMOCAP 上迁移，是否进一步提升。论文报告平均提升约 2.6%，10 样本结果接近有监督上限。
下表用论文原句可验证的关键数字组织比较，列出任务、指标方向与外部参考的位置，避免把不同协议的数字混放一列。比较问题是：在可运行的同协议下谁更好，在不可比的外部上限下差距多大。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| IEMOCAP 10 样本跨域 | 情绪精度 | LIMoE 被超过 | 79.7% | CoPRIME-L/32 |
| MOSEI 10 样本跨域 | 情感精度 | 稠密与 LIMoE 更低 | 84.8% | CoPRIME-L/32 |
| IEMOCAP 情绪外部参考 | 精度 | 67.62% | 竞争性零样本，更高 10 样本 | Hubert-large |
表后判断是：报告显示稀疏专家与新损失带来了可迁移的表示，而非仅靠增大模型。代价与限制是：外部参考并非同训练与同评测流程，79.7% 与 84.8% 是特定规模与特定样本数下的结果，不能推广为所有情绪类别或所有音频条件都成立。论文的路由分布图也提示均衡是总量均衡而非模态均衡，需要结合下一节的分布细节理解。
看图路径： 1. 先看六个 MoE Block 子图横轴专家编号与纵轴 token 数的含义；2. 对比每个柱子中绿色音频段与红色文本段的高度比例；3. 观察文本红色段在不同专家和不同层之间的不均匀分布；4. 确认总高度相近但模态构成不同，理解均衡假象
论文图 2。原论文 Figure 2：“Token distribution on a batch of size 256 for CoPRIME-B/32 model with 6 MoE blocks each having 8 experts. We can see the extreme token imbalance even with audio patches of 32x32.”。
从像素可见，6 个 MoE Block 子图横轴都是一至八号专家，纵轴是 token 数，图例区分红色文本与绿色音频。所有柱子总高度接近三万，但绿色段占绝大多数，红色段只在底部占小部分，且红色高度在不同专家间差异明显，例如深层中某些专家红色几乎消失而首层首个专家红色相对更高。这支持论文的说法：即使音频块已用较大尺寸，极端不平衡依然存在；总量均衡掩盖了模态构成的不均，这正是需要 ELBO 与熵损失的原因。
哪个损失是主要驱动？权重有多敏感？
消融问题是：5 个辅助损失各自是否必要，拿掉后变化多大。论文做了全部 27 种组合的暴力消融，每行报告包含与不包含某损失时的最优精度。结论是 ELBO 是主要驱动，平均带来约 2.5% 的对比精度增益，熵类损失进一步改善利用率与收敛。负载损失对最终精度影响很小，主要作用是路由稳定性与训练动态。
权重敏感性问题是：ELBO 权重与共用辅助权重是否难调。热力图显示在较宽区间内性能保持在最优附近，高原外则稳定性下降。所选权重是精度与收敛速度的折中，而非孤立最高点。
看图路径： 1. 先确认横轴为 ELBO 权重、纵轴为辅助损失权重；2. 找到中间深色高值区对应的权重组合位置；3. 对比边缘浅色格与中心深色格的数值差异范围；4. 观察高原区沿两个轴的延伸宽度
论文图 3。原论文 Figure 3：“Sensitivity analysis with respect to regularization parameters (MOSEI 10-shot accuracy).”。
从像素可见，热力图横轴是 ELBO 权重从小到大，纵轴是辅助权重从小到大，格内数字是 MOSEI 10 样本精度，右侧色条从浅到深表示精度升高。中心两行两列的 4 个格颜色最深、数值在 70.50 至 70.72 附近，边缘格多在 69.5 附近。这支持高原说法的有限解释：中等权重区确实更高，但热力图只测了精度，未同时画出梯度范数与验证损失方差，因此稳定性退化的部分需要回到正文文字而非从颜色推断。
未胜出项也要说明：负载损失在消融中几乎不提升精度，若只看精度会误判它无用。论文的解释是它防止模态不平衡下的专家饱和，属于稳定器而非精度驱动器。复现时应同时记录专家负载方差与收敛步数，否则无法复现该判断。
哪些结论还不能下？边界在哪里？
首先，论文直接报告的是情绪与情感识别上的迁移精度与 F1，没有测量误判率分布、推理延迟、吞吐与实际部署成本，因此不能承诺效率与延迟同时改善。稀疏计算理论上只激活少数专家，但路由、负载估计与原型更新仍有开销，总体趋势不等于每一步都更快。
其次，比较边界需要守住。自行实现的 LIMoE 变体是损失创新的对照，但因无官方代码且模态不同，不能视为对 LIMoE 原方法的完整复现。与 CORECT 的比较是 10 样本迁移对有监督直接训练，属于不同监督与不同数据用量，只能说接近上限，不能说同条件超越。不同情绪类别的难度也不同，平均精度不能推广到每个类别。
第三，机制证据是有限解释。路由分布图显示了模态专用与多模态专家并存，但这是批量为 256 时的快照，不能证明训练全程都稳定。ELBO 带来簇更紧致的说法有补充材料的散布与分离描述，但正文未给出完整的聚类指标与统计检验，应表述为支持而非证明。缺失的训练细节如轮数、衰减、早停与原型超参数，也限制了因果归因的强度。
要复现应先做什么？还需补哪项验证？
先按论文的最小可运行链路搭建：LibriSpeech 预训练的对比主干，频谱切块与文本分词统一到同维，共享 Transformer 加 MoE 交替，Top-K 路由与平均池化。损失先实现对比加 ELBO 加 4 个辅助项，权重从 0.04 与 0.02 起步，再在高原区间内小范围搜索。评测先做跨域零样本与 10 样本，再做 MOSEI 微调到 IEMOCAP 的域内迁移，并固定批量与优化器设置。
下表把可验证的复现锚点整理成检查表，问题是：哪些已有原文证据，哪些必须自行补记。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 域内迁移增益 | IEMOCAP 精度提升 | 微调前 | 平均 2.6% | MOSEI 微调后 |
| 外部上限对照 | IEMOCAP 精度 | 84.7% | 82.17% | CORECT 直接训练 |
| 消融主效应 | 对比精度增益 | 无 ELBO | 平均 2.5% | 加 ELBO |
表后说明是：前两行用于确认迁移链路是否跑通，第三行用于确认 ELBO 是否生效。代价是负载损失的价值不在精度表上，需要额外记录每专家负载方差、文本 token 被丢弃比例与收敛到固定阈值的步数。还需补的验证是：分情绪类别的精度、不同音频长度下的路由稳定性，以及推理开销的实测，而非仅报告参数量。
资源与代码方面，论文给出仓库链接与单卡 GH200 的说明，当前可用性应以链接实际可达为准。补充材料另有临床语音项目的伦理说明，与本论文的情绪评测无直接数据关联，复现时不应混用。
何时值得尝试 CoPRIME？一句话收束
当你的多模态数据也是一侧 token 极多、另一侧语义更可靠，且希望用稀疏专家扩容量而不想被多数模态绑架时，值得尝试 ELBO 加熵路由的思路。做法是先保证对比对齐的主目标，再用 ELBO 要求专家解释分到的数据几何，用熵类损失保持流量稳定，用单独权重控制专用化程度。
下表是本文特有的误解对照，用于收束而非重复摘要。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 计算成本 | 硬件与代码 | 未测延迟 | 单卡 GH200, 代码公开 | 可运行性待确认 |
| 损失数量 | 调参负担 | 单对比损失 | 六项损失双系数 | 高原内稳定 |
| 适用条件 | 模态比例 | 图文更均衡 | 音频文本约 50 比 1 | 需路由正则 |
表后收束是：论文报告在给定协议下 CoPRIME 的零样本与少样本结果更好，且消融支持 ELBO 是主要驱动。但这不等于更少损失也能 work，不等于负载损失无用，也不等于延迟与成本已优化。把高原权重、负载方差与分层路由分布作为必记指标，才能把 1 次精度复现变成对路由机制的复述。
⚖️ 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