删掉重要神经元却删不掉音高：WavLM 声学表征的九头蛇冗余与子空间级干预

英文题目：Causal Redundancy in Speech Representations: The Hydra Effect and Limits of Sparse Disentanglement in WavLM

会议身份：conference:interspeech:2026:conference-paper-id:narasinghe26_interspeech

来源为官方会议 PDF；图片依据原页像素，表格数字依据原文引用。PDF 文字层不视为原始 TeX，未可靠恢复的结构不作推断。

会议来源：官方记录 · 官方 PDF

标签：#统计分析 #可解释性 #语音 #语音属性识别

评分：5.5/10 | 创新 1.3/2 | 技术严谨 1.2/1.5 | 实验充分 0.9/1.5 | 清晰度 0.7/1 | 影响力 0.8/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.5/1.5

排名：前50% | 文档类型：方法研究

👥 作者与机构

• Patalee Narasinghe：机构信息未能从会议 PDF 纯文本可靠映射
• Kasindu Bandara：机构信息未能从会议 PDF 纯文本可靠映射
• Vilash Nawagamuwa：机构信息未能从会议 PDF 纯文本可靠映射
• Janak Senevirathne：机构信息未能从会议 PDF 纯文本可靠映射
• Uthayasanker Thayasivam：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文研究自监督语音表示中低层声学属性的编码方式，输入为 WavLM-Base+ 各变换器层的逐帧残差流激活，输出是对 GeMAPS 声学属性的线性可解码性与因果归属判断，难点在于连续语音信号高度冗余且神经元严重多语义。方法链分为四步：先用岭回归线性探测定位声学信息所在的层级并以打乱标签为对照，再用 SHAP 重要性排序揭示原始神经元的多语义重叠，接着训练 JumpReLU 稀疏自编码器将残差流升维为稀疏隐变量并做基于套索探针与 SHAP 排序的迭代置零消融，最后改用迭代零空间投影在全线性子空间层面擦除目标属性并检验跨探针影响。相比神经元级消融，子空间擦除直接移除整个线性可预测方向，因而能绕过分布式备份并检验属性间是否共享子空间。在RAVDESS与CREMA-D和TIMIT联合语料的评测设置下，音高探针中SAE隐变量的相对R2保持率指标为98.85%，高于WavLM第1层的相对R2保持率指标98.31%。结论仅适用于早期层线性可解码的低层韵律与频谱属性，未验证深层语义与说话人属性以及非线性编码情形。实验使用单张 NVIDIA RTX 4070，原文未披露训练时长与完整计算开销。

🔗 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

要解释的问题是什么：声学特征藏在语音自监督表示的哪里？

输入是一段原始波形，目标是理解自监督语音模型内部如何存放音高、响度、频谱倾斜这类低层声学量。论文选择 WavLM-Base-Plus 作为研究对象，不训练新的语音识别或情感分类器，只做表示分析。必须保留的关键信息是层数与维度、数据集构成、声学标签来源、评价指标方向，以及消融与擦除各自的操作对象。输出是一套可复述的因果结论，即声学特征在早期层线性可解、原始神经元高度复用、稀疏潜变量离散删除无效、线性子空间整体擦除才有效。

对于刚入门的读者，关键是把相关性与因果分开，探针 R2 高只说明能解码，不说明模型用独立神经元存放该特征，是否独立存放要用主动删除后再测能否解码来检验。论文的叙事主线正是从定位到解耦再到干预，每一步都保留对照，避免把重构好等同于解耦好，也避免把删除后仍可解码误读为特征不存在。

已有路线能做什么：探测、分诊与擦除各解决哪一段？

语音模型的可解释性长期依赖线性探测，即在每一层激活上训练岭回归，用决定系数 R2 判断音高能量等是否线性可得。原文回顾指出这类工作发现低层偏声学、高层偏语言与音素，但只给相关性证据，不处理多义性，也不建立因果。神经元级分析进一步发现声学与说话人特征不在孤立维度上，神经元是多变量且共享属性，这与叠加假说一致。

在文本领域，稀疏自编码器已被用于把语言模型激活分解为更单义的潜变量，Top-k 与 JumpReLU 等变体通过硬约束或可学习阈值避免 L1 收缩偏差，BatchTopK 与辅助重构损失则处理死亡神经元与利用率问题。音频领域已有工作用稀疏自编码器找音高幅度音色方向，但是否真正把单个声学特征隔离到可因果干预的方向，仍缺少消融检验。另一条路线是子空间擦除，迭代零空间投影提供可解释的概念移除，对抗训练能捕捉非线性结构但可解释性较低。

论文的定位是把这 3 段连起来，先用探测确认位置，再用稀疏自编码器尝试离散解耦并做消融反证，最后用迭代零空间投影在连续语音域验证选择性抑制。

中心矛盾是什么：重构稀疏都很好，为何删不掉特征？

论文要回答的操作性问题是，如果稀疏自编码器已经把 WavLM 第 1 层重构得很好且每帧只用约 1% 的潜变量，那么按 SHAP 排序删掉对音高最重要的前几十个潜变量，音高探针是否应该明显下降。直觉上应该下降，因为最重要的方向被置零了。但实际观测是相对 R2 保留仍接近基线，这就是文中所称的九头蛇效应，砍掉最显眼的头，特征还能从别处长出来。

理解这个矛盾需要区分两种稀疏，全局最重要的前 50 个潜变量是在整个数据集上统计的，而单帧实际激活的约 97.8 个潜变量是局部稀疏的，二者不对齐。更深层的原因是连续声学流形本身是分布式编码的，信息铺在一个重叠的宽子空间上，而不是落在少数离散可命名潜变量上。因此问题从如何找到更单义的神经元，转变为是否必须在子空间粒度上干预。论文随后把检验标准定为选择性，即去掉一个特征的线性子空间后，该特征自身大幅下降而无关特征基本不变。

方法全景如何串起一个样本：从波形帧到探针分数？

沿一个语音样本走一遍，输入是采样后的波形，先经过 WavLM 得到每 20 毫秒 1 帧的 768 维隐藏表示。声学标签来自 openSMILE 按 10 毫秒提取的日内瓦最小化声学参数集，论文提到音高相关的 F0 半音与第一共振峰频率、频谱相关的 Alpha 比率与 Hammarberg 指数与谐噪比、韵律相关的响度等 6 类描述子。由于两边帧率不同，做法是对声学标签做线性插值，使每个 WavLM 激活都能对齐到一个声学向量，形成帧级配对数据。

接着在每一层训练岭回归探针，用 R2 衡量连续特征的可解码性，并用打乱标签训练对照探针，确认高 R2 来自时间对齐的真实结构。然后在第 1 层残差流上训练 8192 维 JumpReLU 稀疏自编码器，扩张倍数约 10.67，在 1M 语音帧上学习。最后做两类因果干预，一类是在原始 768 维或 8192 维潜空间中按 SHAP 排序逐个置零最重要的维度，另一类是用迭代零空间投影把目标特征的整个线性子空间投影掉，再看其他声学探针的 R2 保留或下降。所有结果按多个随机种子取平均，实验在一张 16 GB 显存的显卡上完成。

探测与排序组件如何工作：R2 与神经元排名各看什么？

线性探测组件的输入是某一层全部帧的激活矩阵，目标是某一声学特征的连续值，计算目标是用岭回归学一个线性映射，输出是在测试帧上的预测值，再换算为决定系数 R2。R2 越高表示该层线性可解码性越强，方向是越大越好。打乱标签对照的做法是把激活与目标的时间对应打乱再训练，若此时 R2 仍高，则说明探针学的是数据集偏置而非表示结构。神经元排序组件的输入是同一个探针与原始维度，工具是 SHAP，给每个神经元、每个特征、每层一个重要性分数。

分数越高表示该神经元对该特征预测贡献越大，排名第 1 即最重要。论文用它同时做两件事，一是展示原始空间的多义性，二是为消融提供删除顺序。需要提醒的是，SHAP 排名依赖已训练的探针与数据分布，换探针形式或换数据划分，排名可能变化，因此它适合做干预顺序的依据，不适合直接当作神经元功能的本质标签。

线性探测 × SHAP 重要性排序： 线性探测负责回答某一层表示中能否用线性回归解码出音高、响度等连续声学量，以 R2 为指标；SHAP 重要性排序负责把该解码能力分配到单个神经元，给出每个神经元对每个特征的贡献排名。二者搭配的原因是只看 R2 不知道能力来自哪些维度，而只看权重大小又容易受共线干扰，SHAP 提供了跨特征可比的排序口径，组合后才能先确认早期层可线性解码，再指出同一神经元同时对多个特征重要，从而引出多义性问题。

多义性 × 叠加假说： 多义性负责描述观测现象，即单个神经元同时对音高、抖动、谐噪比等多个声学特征重要；叠加假说负责给出机制解释，即模型把多于维度数的特征压缩进有限神经元，特征方向不正交于神经元基轴。二者搭配的原因是只报告排名重叠还只是相关性描述，引入叠加才能解释为何原始基下不可解释，组合意义是把后续使用稀疏自编码器升维解耦的动机说清楚，即在更高维稀疏空间中寻找更接近单义的方向。

解耦与擦除组件如何配合：稀疏字典与零空间投影的分工？

稀疏自编码器组件的输入是第 1 层残差流向量，编码器把它映射到 8192 维潜变量，解码器再重构回 768 维。优化目标是重构误差加稀疏惩罚，JumpReLU 版本用示性函数计数激活个数实现 L0 惩罚，每个特征有可学习的正阈值。阈值约 0.154 的稳定性与验证期 L0 的稳定被用来判断训练收敛。重构保真度用均方误差与解释方差报告，稀疏度用平均激活数报告，二者要同时看，重构好但不稀疏则没有解耦意义，稀疏但重构差则潜变量不可信。

迭代零空间投影组件的输入是同一层表示与目标特征标签，做法是学线性预测器并投影到其零空间，迭代直到该特征线性不可解。它的输出不是几个被置零的坐标，而是一个被整体移除的子空间。与离散消融相比，它不假设信息集中在可数头部，而是假设信息分布在一个线性子空间里，因此更适合连续声学量。

稀疏自编码器 × JumpReLU 阈值： 稀疏自编码器负责把 768 维残差流映射到 8192 维过完备字典再重构，用很少的激活维度重建原始激活；JumpReLU 阈值负责为每个潜变量学习一个正阈值，只有预激活超过阈值才激活，以计数激活个数的 L0 惩罚代替 L1 惩罚。二者搭配的理由是传统 L1 会把激活幅度整体压小、损害重构保真度，而 JumpReLU 把稀疏性与幅度解耦，组合意义是在保持解释方差约 0.860 的同时得到每帧平均约 97.8 个激活的稀疏瓶颈，为后续检验离散潜变量是否因果承载声学特征提供干净底座。

迭代零空间投影 × 子空间擦除： 迭代零空间投影负责具体计算，即为目标特征训练线性预测器，再把表示投影到这些预测器权重的零空间，迭代去除线性可解码成分；子空间擦除负责界定干预粒度，即 1 次去掉整个线性子空间而非单个神经元或单个稀疏潜变量。二者搭配的理由是连续声学流形被分散编码，离散消融会被冗余补偿，而零空间投影能整体移除可线性解码方向，组合意义是实现可检验的选择性抑制，即目标探针大幅下降而无关探针基本保留，从而论证特征在子空间层面可分。

稀疏自编码器如何训练：数据、损失与收敛信号是什么？

该研究的训练只发生在稀疏自编码器上，WavLM 本身是冻结的预训练权重，论文明确写检查点来自 HuggingFace，不更新语音模型参数。训练数据是从合并后的训练集均匀采样的 1M 语音帧，对象是第 1 层残差流激活。损失由重构项与稀疏项组成，重构项是原始与重建向量的平方误差，稀疏项是对每个潜变量预激活减阈值后取示性函数的加权和，用于计数激活个数。论文未报告优化器类型、学习率、批量大小与训练轮数的完整组合，这是复现时需要补齐的缺项，不能从模型名称推定。

已报告的收敛信号包括验证解释方差收敛到 0.860、测试集平均 L0 为 97.8 且标准差为 28.1、JumpReLU 阈值稳定在约 0.154 附近。评估时用多随机种子取平均，避免单次采样的偶然性。需要区分的是，这里没有训练语音任务的监督信号，声学标签只用于探针与干预评估，不进入稀疏自编码器的梯度，因此重构好不代表声学解耦好，后续消融正是为检验这一点而设。

实验条件如何保证可比：数据、划分、对齐与指标是什么？

模型固定为 WavLM-Base-Plus，94M 参数，12 层 Transformer，每层 768 维与 12 头，预训练数据为 60,000 小时英语语音，含掩码预测与话语混合。数据集把 RAVDESS、CREMA-D 与 TIMIT 合并，约 6000 条发声，总计约 10 小时，平均每条约 3 秒，兼顾音素多样性与韵律多样性。划分强调说话人独立，即测试说话人不出现在训练中，避免把说话人记忆误认为声学泛化。声学侧用 openSMILE 提取 GeMAPS，论文列出 F0 半音、第一共振峰频率、Alpha 比率、Hammarberg 指数、谐噪比与响度等，插值对齐到 WavLM 的 20 毫秒步长。

指标对连续特征统一用 R2，消融时看相对 R2 保留，擦除时看 R2 下降百分比，方向要分清，保留越高表示越难删，下降越高表示删得越干净。硬件为单张 RTX 4070，报告为多种子均值。资源状态方面，本次收到的证据中没有完成 HTTPS 验证的开源代码与数据链接，因此不能写代码模型数据已公开，只能按论文文字复述采样与训练规模，复现前需自行确认可达性。

定位结果显示什么：声学信息是否集中在早期层？

该节要回答的比较问题是，在相同合并数据与相同线性探针协议下，不同层对同一声学特征的 R2 是否有系统差异，以及打乱标签基线是否足够低以证明差异可信。公平条件是每层独立训练探针、统一用 R2 评价、统一加打乱对照。指标方向是 R2 越高表示线性可解性越强。导读本节第一张图时，先把注意力放在层号轴与 R2 轴的整体布局上，再区分真实探针与打乱基线两组线型。

看图路径： 1. 先看横轴层号 0 到 12 与纵轴决定系数 R2 的范围，区分上方实线组与下方虚线组；2. 再对比 F0 与 Loudness 等实线在第 1 至 2 层是否达到峰值，随后是否缓慢下降；3. 最后看下方打乱标签基线是否贴近零线，确认上方高 R2 不是数据集统计假象

论文图 1。原论文 Figure 1：“WavLM layer-wise probing performance on combined Dataset (Ravdess,CremaD,TIMIT) . Shuffled lines indicate the controlled task baseline.”。

图中上方实线组对应真实标签，F0、响度、谐噪比等多条曲线在第 0 至 2 层较高，尤其在第 1 层附近达到峰值，随后向深层缓慢下降，但仍明显高于底部。底部虚线组对应打乱标签，贴近零线附近，说明高 R2 不是数据集统计或探针容量带来的假象。论文据此报告声学特征早期层定位，并引用先前工作称这符合从局部声学到全局语义的分层趋势。需要补充的限制是，定位只说明线性可解码性随层变化，不说明深层丢弃了声学信息，也可能是声学信息被非线性变换或与语言信息叠加后线性探针不再敏感。后续把干预固定在第 1 层，正是基于该定位结果，但这也意味着结论对其他层的适用性待验证。

多义性与重构质量如何同时成立：排名重叠与稀疏保真是否矛盾？

该节要回答的第二个问题是，原始神经元是否单义，以及稀疏自编码器是否在保持重构的同时实现稀疏。公平条件是同一第 1 层表示，同一批声学特征，排名用 SHAP 统一口径，重构用均方误差与解释方差统一口径。指标方向是排名越靠前表示越重要，重构误差越低与解释方差越高表示保真越好，L0 越小表示越稀疏。导读第二张像素图时，先看热图的横纵轴含义，再横向检查同一神经元是否跨多列同时深色。

看图路径： 1. 先看热图横轴为声学特征、纵轴为神经元编号，颜色越深表示排名越靠前；2. 再沿同一行横向扫过多个特征列，检查深色格是否同时出现在多列；3. 最后结合下方四面板，确认重构曲线重叠、L0 均值与验证解释方差的收敛位置

论文图 2。原论文 Figure 3：“JumpReLU SAE Training and Evaluation Metrics.”。

像素显示多行存在横向深色分布，论文点名神经元 44 同时对 F0、抖动、谐噪比与第二共振峰幅度排名第 1，这是多义性的直接例子。同一像素的下方四面板给出稀疏自编码器的另一面，样本重构曲线高度重叠，L0 分布均值在 97.8 附近，验证解释方差收敛到 0.860，验证 L0 随训练稳定。整理为下表时，重点不是重复摘要，而是把保真与稀疏放在同一行，便于判断解耦底座是否可信。

表后需要强调主要收益与代价，收益是仅用约 1.2% 的潜变量即可达到 0.860 的解释方差，说明字典充分且瓶颈真实。代价是重构好不等于语义定位好，阈值约 0.154 与 L0 的稳定只能证明优化收敛，不能证明每个潜变量单义。未胜出项在这里体现为原始神经元基，论文明确用它作为反面参照，即原始基下多义严重，才需要升维稀疏字典。未评测边界是该稀疏自编码器只在第 1 层训练，其他层的稀疏度与保真度未知，不能推广到全模型。

离散消融为何失效：删掉最重要的头为何打不掉特征？

该节要回答的比较问题是，在 WavLM 第 1 层原始空间与稀疏自编码器潜空间中，按 SHAP 排序删掉最重要的前 N 个维度后，相对 R2 保留是否显著下降。公平条件是同一特征、同一 Lasso 探针、同一按重要性排序的删除顺序，指标方向是相对保留越低表示越依赖被删维度，越接近 1.0 表示冗余越强。导读第三张图时，先确认上下方面板的操作对象不同，再看横轴消融数量增加时曲线是否下探。

看图路径： 1. 先确认上下两面板分别为稀疏自编码器潜空间与 WavLM 第 1 层，纵轴为相对 R2 保留；2. 再看横轴消融数量从 0 增加到上图 2000 与下图 500 时，曲线是否长期贴近 1.0；3. 最后比较不同特征曲线的分叉点，判断哪类特征相对更早下降

论文图 3。原论文 Figure 4：“Relative R2 retention of GeMAPS feature probes un- der iterative ablation for both WavLM Layer 1 (bottom) and SAE latents (top).”。

两面板曲线在前 50 至 100 个消融点仍贴近基线，论文总结音高与响度等主要特征的相对保留接近基线水平。即使把消融推到上图 2000 与下图 500 的激进区间，多数曲线仍维持较高保留，只是部分曲线在尾段才分叉下降。这支持九头蛇效应的判断，即高度冗余使离散删除被补偿。需要区分机械差异，在原始层删 50 维是删掉几乎每帧都活跃的维度，在稀疏空间删全局前 50 维则可能只影响少数帧的局部激活，因此两面板横轴数字不可直接等同干预强度。

论文还给出临界消融数口径，即相对下降 10% 所需的消融数，原始层多为 500 以上，稀疏空间多为 500 至 1000 量级，进一步说明信息铺展在宽子空间上。该节的失败条件本身就是主证据，不能把曲线尾段的轻微下降误读为解耦成功。

子空间擦除是否选择性：删掉响度会连带删掉音高吗？

该节要回答的比较问题是，用迭代零空间投影 1 次移除某个声学特征的线性子空间后，目标探针下降多少、无关探针是否被连带。公平条件是同一第 1 层表示、同一组声学探针、同一 R2 下降百分比口径，并加随机投影对照排除降维假象。指标方向是对角线下降越大表示擦除越彻底，非对角线下降越小表示选择性越好。导读第四张热图时，先锁定行列含义，再横向比较响度行与频谱行的连带模式。

看图路径： 1. 先看行表示被擦除的子空间、列表示被测量的声学探针，对角线应为自抑制；2. 再横向比较响度行与其他行的非对角格，判断选择性差异；3. 最后检查最下一行随机对照是否接近零，排除降维本身带来的普遍下降

论文图 4。原论文 Figure 5：“Acoustic Subspace Ablation Heatmap. Diagonal en-”。

对角线确认自抑制有效，F0 半音、响度与谐噪比分别下降 94.41%、94.66% 与 95.35%，随机对照各列仅下降约 0.10% 至 2.20%，说明不是通用降维效应。整理为下表后，重点看两类耦合机制的差异。

表后解释是响度擦除高度选择，非对角下降全部小于 1.5%，支持响度占据可分子空间。相反，Alpha 比率、Hammarberg 指数与第一梅尔倒谱系数之间交叉下降超过 75%，其中 Alpha 比率擦除使另两列分别下降 80.58% 与 76.29%，说明频谱组共享或高度重叠的子空间。F0 半音对谐噪比有 72.87% 的中等溢出，提示谐波相关特征部分重叠。未胜出项是频谱选择性，论文报告它不支持干净分离，这是重要负结果。未评测边界是擦除只验证线性子空间，非线性残留是否仍可解码未被检验，不能宣称特征被彻底删除。

哪些结论不能推广：层、非线性与标签覆盖的边界在哪里？

论文直接报告的是第 1 层的线性可解性、多义性排名、稀疏重构质量、离散消融保留与线性子空间擦除的选择性，这些在给定合并数据与多种子平均下成立。有限解释是声学特征占据可分但分布的子空间，其中响度可分性强、频谱组耦合强、音高与谐噪比部分重叠，该解释得到对角与非对角下降模式的支持，但仍依赖线性探针口径。未验证推测是把该子空间结构推广到全部 12 层、推广到非线性编码、或推广到情感与说话人等高层属性，这些在原文中没有对应实验。

缺失证据不是技术错误，但复述时要用可能与待验证表达。相关性不是因果的提醒同样适用，早期层 R2 高不等于早期层因果使用独立神经元存放特征。成本侧也需分开讨论，训练资源只涉及稀疏自编码器在单卡上的训练，推理开销、输出帧率与实际延迟未被测量，不能从稀疏比例推定推理更快。总体趋势不等于每组都成立，例如响度的干净分离不代表频谱特征同样干净。

复现先做什么：对齐、探针、稀疏训练与干预的检查点是什么？

复现应先固定信息条件，包括 WavLM-Base-Plus 的第 1 层残差流、RAVDESS 与 CREMA-D 与 TIMIT 的说话人独立划分、openSMILE 的 GeMAPS 配置与插值到 20 毫秒的对齐脚本。第一步跑层级岭回归探针与打乱标签对照，检查点是真实 R2 在早期层高而打乱基线贴近零，若打乱基线偏高则先查对齐与划分泄漏。第二步在第 1 层训练 8192 维 JumpReLU 稀疏自编码器，采样规模按 1M 帧起步，检查点是测试均方误差明显低于均值基线、验证解释方差趋向 0.860 附近、平均 L0 趋向 100 量级且阈值稳定，任一指标异常都先停下来调稀疏权重而非直接做消融。

第三步做 SHAP 排序的迭代置零，分别在原始 768 维与稀疏 8192 维上记录相对 R2 保留，检查点是前 50 个消融后仍接近基线，若过早大幅下降则检查是否误伤了归一化或探针重训练流程。第四步跑迭代零空间投影，检查点是对角下降达到 90% 以上且随机对照接近零，再看响度行是否干净、频谱行是否耦合。关键超参数与实现细节中，论文已给字典规模、维度、阈值与 L0，但优化器与学习率等缺项需自行记录并做种子平均。

是否值得尝试取决于目标，若只想提升识别准确率，该工作不提供可部署收益，若想做可解释干预或属性擦除，则子空间级思路值得优先复用。

表后补充代价与边界，复现成本主要在稀疏训练与多探针评估，而非语音模型微调。论文未报告训练时长与推理延迟，因此不能承诺擦除后的表示仍保持下游任务性能，也不能把线性不可解等同于听感上完全去除。下一步验证应补其他层的同样流程、非线性探针的残留检验，以及擦除后对音素与情感任务的影响，否则选择性结论只停留在声学探针之间。

收束：何时用离散消融，何时必须做子空间擦除？

回到开场问题，声学特征在线性意义上不难找到，难的是证明它们被独立存放。论文的完整链条是早期层可解码但神经元复用严重，稀疏字典重构好且稀疏但删不掉特征，只有整体移除线性子空间才能实现目标抑制且保留无关特征。这个顺序本身就是方法建议，先用探针加打乱基线确认位置，再用排序加消融检验离散假设是否成立，若前 50 至 100 个最重要维度删除后仍接近基线，就不要继续在神经元层面寻找单义开关，而应转向子空间。

响度是适合优先尝试的例子，因为它的子空间分离干净。频谱组是反例，Alpha 比率等互相牵连，单独擦除一个会连带其他，说明在该区域谈独立控制需要更细的耦合建模。对初学者而言，可带走的操作准则是报告保留时注明是相对 R2 保留还是 R2 下降百分比，比较时保留随机对照，讨论时区分线性擦除与彻底删除。下 1 次验证应回答擦除后下游任务的变化与跨层一致性，这决定了子空间解释能否从探针世界走到可部署的语音系统。

⚖️ 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 interspeech-2026 论文汇总