把听力筛查藏进播客静音里：间歇采集能省多少点击又保住多少精度

英文题目：TEOAE MEASUREMENT BEYOND CLINICAL SETTINGS: INTERMITTENT ACQUISITION AND COMPUTATION IN EVERYDAY AUDIO

会议身份：conference:eusipco:2026:conference-paper-id:0001606

✅ 来源为官方会议 PDF；表格与 Figure 按原文证据绑定。PDF 公式以原页区域图片展示，未冒称作者原始 TeX。

会议来源：官方记录 · 官方 PDF

标签：#医疗音频 #信号处理 #主观评测 #生理信号 #异常声音检测

评分：6.9/10 | 创新 1.2/2 | 技术严谨 1.1/1.5 | 实验充分 0.8/1.5 | 清晰度 0.7/1 | 影响力 0.8/1.5 | 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：应用研究

👥 作者与机构

• Sen, Argha：机构信息未能从会议 PDF 纯文本可靠映射
• Stuchbury-Wass, Jake：机构信息未能从会议 PDF 纯文本可靠映射
• Liu, Yang：机构信息未能从会议 PDF 纯文本可靠映射
• Al-Naimi, Khaldoon：机构信息未能从会议 PDF 纯文本可靠映射
• Montanari, Alessandro：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文任务是以日常播客为载体输入含嵌入点击的连续音频，输出1 kHz至4 kHz频段的耳蜗外毛细胞功能估计，难点在于静音机会稀疏不规则且语音残留与环境噪声污染严重。方法链分为三步：先对峰值归一化播客波形做静音检测并仅在长静音段插入宽带点击，再按基线窗口与响应窗口对齐分epoch并做质量控制剔除削波与异常epoch，最后用基线方差加权平均与奇偶分解分别估计信号与噪声谱级。相比临床固定间隔高密度平均，该机制以机会式插入换取可听性并以质量感知加权抑制非平稳噪声。在10名正常听力成人20耳数据上，1.5倍速条件舒适度显著高于常速且中位平均绝对误差（Mean Absolute Error，MAE）约为5 dB，接近无播客标准记录。该结论仅适用于安静受控环境下的正常听力小样本，未验证听损耳、中耳病变、高频损伤与长期佩戴场景。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 数据相关资源：https://github.com/captainredbleach/ — 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，目标是什么，本文要解决哪一个可复述动作？

本文的输入是日常耳机聆听场景：一边播放播客等自然音频，一边在耳道内用插入式耳机发射短暂宽带点击，并用耳内麦克风连续记录播客声、点击声与耳蜗回传的混合。目标不是给出发病诊断，而是判断能否在不进声学小室、不中断聆听的前提下，得到与临床瞬态诱发耳声发射相近的频带响应。

白话先说关键生理：瞬态诱发耳声发射（Transient Evoked Otoacoustic Emission，TEOAE）可以理解为对耳朵弹一下再听回声，短声刺激宽的耳蜗区域，健康耳蜗的外毛细胞（outer hair cell）在主动放大过程中会产生向外传播的微弱发射。外毛细胞在这里是发射的源头，发射高于噪声底说明这部分放大功能存在。原文明确限定了它的边界：通常只看到 4 千赫以内，频率特异性有限，不反映内毛细胞、突触传递与听神经，也不量化听力损失的程度与构型。

瞬态诱发耳声发射 × 外毛细胞： 瞬态诱发耳声发射是放在耳道里用短声刺激后记录到的耳蜗回传微弱声音，分工是提供可测量的输出信号；外毛细胞是耳蜗内负责主动放大的细胞，分工是产生该回传的生理来源。两者搭配的理由是只有外毛细胞功能完整时点击才能激起可高于噪声底的发射，组合意义是把发射有无和强度当作外毛细胞完整性的非侵入指示，但不反映内毛细胞与听神经状态。

学习时要保留的可核对事实是：临床常规是在安静可控环境送出数千次点击后平均，以压出清晰的耳蜗响应；智能手机与便携方案提高了可及性，但仍要求用户停下手头事情做专门测试。本文要替换的动作是把长协议拆成多次短的伺机测量，允许在不一致的安静程度下采集，并随时间累积。输出仍是按频带给出的发射强度与噪声强度，以及两者之差表示的净发射。读者复述时应能说出输入混合、插入位置约束、输出频带这 3 段，不要把发射存在直接说成听力正常。

同输入同目标的已有路线差在哪里？

按同输入、同目标、同运行阶段对照，已有路线可分成两类。第一类是临床 TEOAE 标准协议：输入是受控小室内的纯点击序列，目标是最大化信噪比，运行阶段是 1 次性长时间采集。它的优点是平均次数多、噪声条件稳定，缺点是需要昂贵设备、训练人员与受试者到场，在低资源地区难以扩展。第二类是便携与手机外接探头方案：输入仍是专门测试时段的点击，目标是降低设备门槛，运行阶段仍是打断日常活动的独立会话。原文引用的工作包括基于智能手机的客观筛查与现成探头接手机，以及用无线耳机做低成本筛查的尝试，它们解决了携带性，但没有解决需要暂停生活来测试的问题。

本文的差异不在换探头，而在换运行阶段：把点击嵌入播客等日常音频的自然停顿，目标从 1 次测准改为多次机会性测量后再汇总。教学上要强调这不是同条件胜负比较：临床协议的信噪比上限仍更高，本文是用少量峰值精度的交换换取灵活性与生态效度。

另一条相关线是耳戴式生理监测，例如用耳机跟踪心电、心率、认知负荷或听觉注意，这些工作支持了日常可穿戴采集行为状态与上下文的思路，但它们不产生 TEOAE 所需的点击与耳蜗响应分离计算，因此不能直接当作基线。本文的对照基线是同一批耳朵在无播客时的标准 TEOAE 记录，以及标准计算管线与所提管线在同一播客条件下的误差，这是后文判断公平性的关键。

要回答的具体问题与不可逾越的约束是什么？

具体问题是两句：嵌入日常音频的点击如何影响听感与接受度；在点击稀疏且间隔不规则、噪声多变的条件下，是否仍能得到可靠的 TEOAE 估计。约束有 3 层。第一是感知约束：听众在听内容，频繁点击会被察觉为干扰，插入只能放在感知安静处，不能改动前景音频本身。第二是物理约束：静音的长度与频次取决于内容与播放语速，语速加快会压缩停顿，可用试次远少于实验室常规的数 100 次平均。第三是解释约束：发射缺失或降低可能提示外毛细胞功能障碍或中耳病理，但不能据此量化听损程度，评估时不能把误差小夸大为诊断等价。

可复述的问题组织是：先测人在不同点击密度下的舒适度与分心程度，再测同一条件下 TEOAE 估计相对标准记录偏离多少，最后看是否存在一个中间工作点，让舒适度明显改善而误差只适度上升。原文给出的工作点指向 1.5×播放，但这是一个在该播客与该参数下的经验折中，不是普适最优语速。任何复述若把更快语速直接说成更好，都违背了误差随密度下降而升高的另一半证据。

从一个样本走完全流程：播客进来，TEOAE 结果出去

取一段 2 分钟播客作为载体，先做峰值归一化，使最大绝对采样幅度为 1，再逐采样判断静音：当均方根幅度低于归一化峰值的 0.04 即约负 28 分贝时记为静音采样，把连续至少 0.75 秒的静音采样编为一个可插入区间。只在这些区间内插入 TEOAE 点击，前景语音本身不改动。这样做的安排理由在原文写得很直接：阈值太低会排除中等安静的停顿，可用点变少；最短时长太短会把点击落到残留语音或背景声上而更易被察觉。

间歇采集 × 播客静音间隙： 间歇采集的分工是放弃临床式连续数千次点击，改为分散在日常聆听中伺机发射；播客静音间隙的分工是提供可插入而不破坏前景语音的时间槽。搭配理由是播客有可预测的长停顿且被广泛收听，组合后新增的作用是让筛查与娱乐聆听并行，并把采集次数交给内容与语速决定。

随后耳内麦克风记录混合信号，计算管线先用互相关对齐回放信号与记录信号，估计采样延迟，再对每个已知点击起始时刻切出 3 个窗：基线窗负 10 到 0 毫秒，保护窗 0 到 2 毫秒直接丢弃，响应窗 2 到 20 毫秒用于分析。信号先经 200 赫兹高通滤除低频漂移，保留 1 到 4 千赫分析带；再做质量控制剔除削波、基线异常与低频残留扰动的试次；剩余试次做质量感知加权平均，再经奇偶分解得到信号代理与噪声代理，最后在 4 个三分之一倍频程带上算响应级、噪声级与两者之差。

同一套流程也适用于有声书、讲座录音、环境音轨或音乐中的低能量间隙，这是原文明确的可迁移范围，但参数需要按内容重新经验优化，不能照搬播客阈值。

静音检测与点击嵌入：阈值和时长如何配合？

这一步的输入是归一化后的播客波形，输出是一组可插入区间的起始索引与每分钟可支持的点击数。操作分 3 步：峰值归一化消除录音电平差异；逐采样门限判断静音；按持续时间分组。只有同时满足幅度与持续时间才允许插入，这是一个与操作。幅度管感知安静，时长管残留语音风险与测量可用性。

在相同检测参数下，播放语速控制了静音总量从而控制点击密度：1.0×条件有频繁长间隙，支持每分钟约 159 次点击；1.5×对多数听众仍自然，支持每分钟约 102 次点击；2.0×停顿被压缩，密度降到每分钟约 34 次点击。语速还改变每分钟词数与总间隙时长，原文表格给出 1.0×、1.5×、2.0×在 2 分钟内的系统性变化，复现时必须固定同一检测参数再比较语速，否则密度差异无法归因。

基线窗口 × 质量感知加权平均： 基线窗口的分工是在每次点击前约负 10 到 0 毫秒内估计该试次的本底噪声方差；质量感知加权平均的分工是按方差倒数给每个接受试次加权并封顶后求平均。搭配理由是日常环境下各试次污染程度差异大，等权平均会被个别高噪声试次拖坏，组合意义是在不丢弃全部可疑数据的前提下压低高噪声试次的影响。

初学者常误以为阈值越严越好，原文的对照逻辑恰好相反：过严只留下极安静区，插入点减少，可靠性下降；过松则把点击放在有残留声处，既增加可感知性又污染响应窗。因此这一步没有解析最优解，只有在该播客上的经验折中，换内容要重调。记录时要同时保存每段音频的语速、总时长、总间隙时长与实际插入数，否则后文误差随点击数下降的曲线无法复现。

响应提取与频带计算：不规则试次如何变成 1 到 4 千赫谱？

这一步的输入是对齐后的多试次记录与已知点击起始表，输出是 4 个中心频率为 1、2、3、4 千赫的响应级、噪声级与净发射级。先按起始切窗并丢弃保护窗，避免发射被直达声与早期耳道反射淹没；再经高通与质量控制，只把通过的试次送入加权平均。加权平均的权重与基线窗估计的方差成反比并设上限，目的是让安静试次占更大比重，同时防止单个极干净试次主导平均。公式层面的符号是试次索引与窗内采样索引分离，加权只跨试次做，不跨时间采样做。

随后把通过试次按奇偶分成两组，分别平均得到奇组响应与偶组响应，和的一半为一致性耳蜗响应代理，差的一半为噪声与残留变异代理。再对两者做傅里叶变换取频带幅度，以 20 微帕为参考换算成分贝级，相减得到高于估计噪声底的净发射。有效性判断是至少有两个相邻频带的同时高于负 10 分贝，这是一个硬规则，用于声明该次记录是否有效。

奇偶分解 × 有效发射级： 奇偶分解的分工是把接受试次按奇偶分成两组分别平均，再用和的一半作信号代理、用差的一半作噪声代理；有效发射级的分工是在 1、2、3、4 千赫频带上用响应级减噪声级得到高于噪声底的净发射。搭配理由是间歇采集无法另设安静对照来估计噪声，组合意义是用同一批数据同时给出信号与噪声，从而在每个频带判断记录是否有效。

复述时要能唯一回指：基线窗只用于估计权重与剔除，不参与响应平均；保护窗只用于丢弃；响应窗才是平均与频谱的对象。若把基线噪声当作最终噪声级，就会混淆加权依据与奇偶分解给出的噪声代理，这是本管线最易错的指代。

本研究训练了什么，没有训练什么，真实计算是什么？

本研究没有训练神经网络，也没有更新任何模型参数，不存在梯度路径、优化器、冻结与解冻、早停或权重下载。把无训练等同于确定性求解是错误的：即使参数为空，加权平均的权重仍随每次采集的基线方差变化，随机抽样子集也会带来波动，因此输出不确定。

真实计算有 3 类。第一类是规则与信号处理：静音检测、互相关对齐、切窗、高通滤波、按方差加权平均、奇偶分解与频带级计算，全部是可按原文参数重放的确定性流程加数据依赖权重。第二类是仿真性质的点击数受限分析：用 39 人数据集、每耳最多 256 次点击，以全部 256 次平均为参考，对每个子集大小计算与参考在频带上的平均绝对误差，随机选取时每个大小重复 100 次以刻画子集变异。第 3 类是人工评估：10 名志愿者在不同语速下听 2 分钟嵌入点击的播客，外加无播客的标准点击条件，每条件后填五点量表，评估分心、响度、舒适度、点击强度与对听觉的影响。

连续选取 × 随机选取： 连续选取的分工是取前 N 个相邻点击做平均，模拟临床从头开始采的情形；随机选取的分工是从全部 256 次中无放回抽 N 个并重复 100 次，模拟把瞬态干扰摊薄的情形。搭配理由是日常采集的污染往往成段出现，对照两者能分离局部干扰的影响，组合意义是为间歇采集在小 N 下应分散采样还是顺序采样提供可操作的依据。

复现时不要寻找训练脚本，而应准备三样东西：播客与语速控制流程、ER-10C 类探头与声卡采集链、按原文窗口与频带实现的计算脚本。缺项要明确指出：原文未报告点击声压级标定细节、耳机与麦克风串扰校准、以及加权上限的具体数值，只说了按方差倒数加权并封顶，这些是复现必须补记但不能自行编造的部分。

人、设备、协议与判定线如何固定公平条件？

人的条件是 10 名成年人，双耳测试得到 20 个耳级数据集，年龄 26 到 37 岁，平均 29.1 岁，标准差 3.6 岁，均自报听力正常且无听觉疾病史，方案经机构审查委员会批准并签署知情同意。设备的链路是 ER-10C 探头系统集成插入式耳机与耳内麦克风，外接 USB 声卡接笔记本，笔记本负责刺激生成、采集与处理，声卡驱动探头。记录时麦克风连续采集播客、嵌入点击与耳蜗响应的混合，时域上可见短发射脉冲、直达声与早期反射，其后才是瞬态诱发发射，分析窗取其后段。

协议固定了可比性：每人听 2 分钟播客片段，分别在 1.0×、1.5×、2.0×语速下嵌入点击，外加无播客的标准 TEOAE 条件；每次听后填量表，舒适度为主要指标。定量比较时以同耳标准记录为参考，计算播客条件下频带误差，比较对象是标准计算管线与所提管线在同一语速下的表现。判定线有两条：子集分析中平均绝对误差不超过 0.25 分贝视为可靠，该阈值落在重复测量变异内；频带有效性要求至少两个相邻频带净发射高于负 10 分贝。

下表把语速、密度、舒适度与样本规模放在同一比较框架下，比较问题是语速是否在固定检测参数下同时改变可用点击数与主观接受度，公平条件是同一批人、同一播客检测参数、同一 2 分钟时长，指标方向是点击数越少舒适度越高但误差可能越大。

表后解释要同时看到收益与代价：语速加快的收益是静音减少带来点击稀疏，主观干扰下降，多数听众觉得更自然且沉浸感保留更好；代价是可用试次减少，估计更依赖少数试次，误差底抬高。未胜出项是 1.0×：它点击最密、估计最稳，但舒适度最低，长时间日常使用难以接受。边界是更快语速未评测，且该映射只在该播客与该检测参数下成立，换内容要重测密度与舒适度。

主结果：舒适度上升与误差上升是否同时成立？

主结果按问题组织：测的是嵌入点击播客相对同耳标准记录的频带平均绝对误差，与谁比是同一语速下标准管线与所提管线，以及不同语速之间；条件一致指同一批耳朵、同一采集链、同一响应窗与频带；指标方向是舒适度越高越好，误差越低越好。关键数字是舒适度从 1.0×约 2.3 分升到 1.5×约 3.7 分再到 2.0×约 4.4 分，满分 5 分；误差中位数在 3 个语速下约 4 到 6 分贝，其中 1.5×平均约 5 分贝，接近标准记录且舒适度明显改善。子集分析显示点击数增加时两类选取的误差都快速下降，约 100 次后趋于平稳，随机选取在小样本下略优。

下表把可运行策略放在同一误差尺度下，比较问题是在有限点击下哪种计算仍可用，公平条件是同一参考与同一频带平均，指标方向是误差越低越好。

导读下面这张图：左为不同语速的平均舒适度柱状，右为 3 种语速下标准管线与所提管线的误差箱线，纵轴分别是舒适度与分贝误差，不要混读。

看图路径： 1. 先看左图三个蓝色柱的高度与误差线随语速的变化方向；2. 再看右图每组语速下蓝色与橙色箱体的中线与箱体高度差异；3. 对照图注确认左纵轴是舒适度而右纵轴是误差，避免把误差上升误读为舒适度上升；4. 注意 2.0×下橙色箱体明显上移，说明标准管线在稀疏点击下退化更大

论文图 1。原论文 Figure 1：“(a) shows mean comfort ratings across playback speeds.”。

解释可见内容：左图蓝色柱随语速单调升高，1.0×最低而 2.0×最高，且误差线显示个体差异仍存在；右图每个语速下蓝色所提管线的箱体与中线普遍低于橙色标准管线，说明加权与质量控制在同等稀疏下降低了误差，尤其在 2.0×橙色箱体明显上移而蓝色仍相对受控。但语速加快后蓝色中线本身也上移，说明稀疏的代价没有被完全消除。报告层面用报告显示，机制层面用支持：数据支持所提管线优于标准管线，支持 1.5×为当前折中，但不能推广为所有内容的最优语速。过程中无疼痛、不适或听觉影响报告，原文表述为确认了该流程的安全性，这只是该小样本下的观察，不是长期安全承诺。

拿掉什么会变差：点击数、选取方式与管线各贡献多少？

按消融逻辑组织 3 个对照。第一是点击数：固定管线与语速，只增加参与平均的点击数，误差随之下降，但 2.0×收敛到更高的误差底，谱上偏离在高频更明显。这说明点击数不是越多越好的营销判断，而是在该内容下约 100 次后收益递减，过少则底抬高。第二是选取方式：连续取前 N 个对局部成段污染敏感，噪声点击连在一起时小 N 误差更大；随机无放回抽 N 个把瞬态伪影摊薄，同 N 下误差更低，100 次重复采样显示变异随 N 增大而收窄。

这支持间歇采集应分散采样，而非必须从头顺序采。第三是管线：同一播客条件下，所提的质量感知管线在 3 个语速的箱线中线与箱体高度上都优于标准管线，差距在 2.0×最大，说明加权对稀疏与多变噪声确有纠正作用。

下表把参数选择的动作写成可复现配置，比较问题是哪些参数必须固定才能让他人重放，公平条件是同一采样率与同一窗口定义，指标方向是偏离原文即不可比。

表后要指出未胜出与失败条件：连续选取在小 N 下未胜出，标准管线在稀疏下未胜出，极低点击数下即使所提管线也会显著退化。未评测边界包括强背景噪声步行场景、音乐载体、单耳机扬声器耳机的串扰，以及长期重复测量的重测信度，这些都不能从当前数据推定。

哪些结论不能下，哪些数字不能混？

先划直接报告与有限解释的界线。直接报告的是：在该播客、该检测参数、10 人 20 耳、2 分钟每条件下，舒适度随语速上升，误差随密度下降而上升，1.5×平均约 5 分贝且舒适度明显改善，约 100 次点击后子集误差趋稳。有限解释的是：质量感知加权通过压低高噪声试次缓解了环境与运动变化的影响。未验证推测是：把该折中推广到所有播客、音乐或日常可穿戴长期监测仍有效，这需要待验证。

数字上不能混的有 3 组。第一，子集分析的 0.25 分贝阈值是相对 256 次参考的内部稳定性线，而播客实验的 4 到 6 分贝是相对无播客标准记录的跨条件误差，两者参考不同，不能说后者超过前者就是失败。第二，百分点与相对百分比不同，本文舒适度是五点量表均值，不能换算成百分比提升来夸大。第三，不同指标的差值不能放在同一模型列下比较，例如不能把舒适度 gain 与分贝误差直接相减排序。

缺失证据不是技术错误，但要明说：原文未测量误判率、延迟、功耗与实时帧率，未报告点击声压级标定与加权上限数值，未做大样本临床诊断一致性，也未量化长期佩戴的依从性。因此不能承诺筛查准确率、延迟改善或成本下降。相关性也不是因果：语速与舒适度的相关可能部分来自内容节奏变化，不能断言全由点击密度因果导致。总体趋势不等于每耳都成立，箱线与误差线提醒个体与耳间差异仍大。

要重做一遍，先固定哪四件事？

第一是固定载体与检测参数：选定一段有明确停顿的播客，峰值归一化后用 0.04 阈值与至少 0.75 秒时长检出静音，只在区间内插入时长约 5.9 毫秒、采样 16 千赫的宽带点击，前景音频不改动，并记录每条件的总时长、总间隙时长与每分钟点击数。若换有声书或音乐，必须重调阈值与时长，不能照抄。

第二是固定采集链：用集成耳机与耳内麦克风的探头经声卡接电脑，保存回放与记录双轨，用互相关估计延迟后按基线负 10 到 0 毫秒、保护 0 到 2 毫秒丢弃、响应 2 到 20 毫秒切窗，先 200 赫兹高通再做削波与基线异常剔除。第三是固定计算：按基线方差倒数加权并封顶后平均，按奇偶分解得信号与噪声代理，在 1、2、3、4 千赫带上算级与差值，有效性要求至少两个相邻频带高于负 10 分贝。

第四是固定评估：同一批耳朵先采无播客标准记录为参考，再采 3 个语速嵌入条件，每条件后用五点量表记录舒适度为主指标，误差用频带平均绝对误差，子集分析用每耳最多 256 次为参考并在随机选取下每 N 重复 100 次。

资源状态按本次收到的官方信息交代：数据资源指向的地址本次返回可用，状态码为 200，链接为开源仓库地址，但这只说明本次可达，不等于代码、权重与系统可一键运行。复现前应先核对仓库中是否包含波形生成、静音检测、切窗与频带计算 4 段脚本，以及 39 人数据集的划分与使用许可，再补记原文未给的声压级标定与加权上限。若缺其中任一段，应报告具体缺项而不是自行编造参数。

何时值得尝试，何时不值得，下一步补哪项验证？

当目标是在日常可穿戴上做机会性听力监测，且能接受分贝级误差而非临床级诊断时，值得尝试本文路线：选有自然停顿的内容做载体，用中等语速换取每分钟约 100 次点击，配合质量感知加权与分散采样，在舒适度与稳定性之间取折中。当目标是新生儿筛查、诊断分级或高频 4 千赫以上评估时，不值得直接套用，因为原文已限定频带与生理边界，且样本仅为自报正常的年轻成人。

下一步最该补的不是更大模型，而是更贴近部署的验证：在真实通勤与家庭噪声下测重测信度，在音乐与有声书上重测密度与舒适度映射，在更多年龄与听力状态下测有效性规则是否仍成立，并补上声压级标定、功耗与实时开销。若这些验证通过，间歇采集才从 1 次可行的演示变成可长期累积的监测；若不通过，当前结论仍只在该播客、该参数与该小样本下成立。记住可复述的一句话：点击越少越舒适但误差底越高，1.5×是本次的折中，不是通用的最优解。

📐 原文公式与排版

以下展示论文原页中的数学表达区域，保留原始上下标、分式和符号排版。区域序号仅用于本文导航，不是论文公式编号。

区域 1 · 查看论文原页

区域 2 · 查看论文原页

区域 3 · 查看论文原页

区域 4 · 查看论文原页

区域 5 · 查看论文原页

另有 13 个候选区域因边界不明确或图片数量、尺寸限制未展开；请查看完整论文中的原始排版。

⚖️ 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 eusipco-2026 论文汇总