没有交叉注意力时如何做 AlignAtt：把源文钉在提示词里再重算对齐块

英文题目：AlignAtt4LLM: Fast AlignAtt for Decoder-Only LLMs at IWSLT 2026 Simultaneous Speech Translation Task

会议身份：conference:iwslt:2026:conference-paper-id:2026.iwslt-1.32

✅ 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：#注意力机制 #大语言模型 #多语言 #流式处理 #语音翻译

评分：7.0/10 | 创新 1.5/2 | 技术严谨 1.2/1.5 | 实验充分 1.0/1.5 | 清晰度 0.8/1 | 影响力 1.0/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 1.2/1.5

排名：前50% | 文档类型：系统技术报告

👥 作者与机构

• Quentin Fuxa：机构信息未能从会议 PDF 纯文本可靠映射
• Dominik Macháček：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

面向未切分长讲座英语到德语、意大利语和中文的追加式同时传译，输入为连续语音流而输出为只增译文，难点在于解码器大模型没有可读源端交叉注意力且易在不完整前缀上幻觉。方法链第一步由Qwen3-ASR与强制对齐器逐块重转录并给出词级结束时间，以界定当前可访问源前沿并输出实时转录前缀。第二步用确定性提示布局将该转录前缀暴露为连续源跨度，再拼接系统指令与已接受译文，形成因果解码的完整草稿输入。第三步离线校准从全部336个头中每语言方向保留8个翻译对齐头，固定为推理时唯一依赖校准的头集。第四步在vLLM运行时捕获已部署注意力的查询与键，仅重放草稿到源块并经双分支聚合做首次失败接受扫描，输出最长可接受前缀。相对标准AlignAtt直接读取编码器解码器源归一化交叉注意力，关键差异在于必须从因果自注意力中分离源列并抑制大量非源注意力，同时保持与融合内核比特一致，具有可部署的实际意义。在IWSLT 2026 MCIF开发集评测下，本系统的BLEU为28.76，高于组织方无上下文基线的BLEU 22.35。结论适用边界限于欧洲语言低延迟与高延迟两档，中文方向BLEU与XCOMET-XL仍落后且尚未验证更换翻译专用骨干后的外推。推理开销方面系统在单卡同步调度下运行，低延迟档延迟为2.00秒CU-LongYAAL且MT每词元中位延迟降至25.4毫秒。

🔗 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

输入是什么，目标是什么，本文要解决哪一个卡点？

本文输入是连续的英语演讲音频，目标是在说话人还没说完时就增量输出德语、意大利语或中文译文。输出要求是只能追加不能改写，因为真实直播字幕一旦闪烁回退，读者就跟不上了。论文的研究对象是英语到德语、意大利语和中文 3 个方向的同时语音翻译，任务环境是长语音不切分、允许评测侧重翻译但系统自身保持同步追加。

初学者容易把同时翻译理解成把整段语音丢给大模型等它 1 次翻完。实际学习依赖是先理解等待与质量的矛盾：等得久质量高但延迟大，等得短延迟低但容易在源文不完整时猜测。传统做法是为每个语言方向训练专用同时模型，成本高；另一条路线是复用高质量离线模型加一个提交策略，决定每个新词现在写还是再等等。本文走第二条路线，核心卡点是所选的大模型是只有解码器的 Gemma-4，它没有编码器解码器交叉注意力，而经典 AlignAtt 正是从交叉注意力读对齐位置来做停止判断的。

因此本文必须保留的关键信息是：系统如何得到带时间的源文前缀，如何在没有交叉注意力的情况下重建可用的对齐信号，如何在融合推理内核里拿到该信号又不拖慢推理，以及在官方开发集上两个延迟档的真实效果。本文输出 1 篇可复述方法的解读，不评价模型好坏，只讲动作、条件和证据边界。资源状态方面，本次未发现来源绑定且完成超文本传输安全协议状态验证的资源，不得声称代码、模型或数据已公开。

已有路线如何取舍，为何是 AlignAtt 而不是局部一致？

同时翻译里一个成熟策略家族是 AlignAtt。它在每生成一个目标词元时，从注意力推断该词对应源文的哪个位置，如果该位置越过当前已可达的源文前沿，就停止生成等待更多语音。论文明确说该策略此前被认为是先进水平，并被上届表现靠前的系统使用。它的好处是直接利用模型内部的注意力，而不是只看表面文字是否稳定。

另一条已用在解码器大模型上的路线是局部一致。做法是反复重翻当前源文前缀，只提交多次重翻都相同的头部。论文指出已有解码器同时实现用的是局部一致，但它不利用注意力，一般延迟更高。教学上可以这样区分：局部一致看的是多次输出的文字是否一致，AlignAtt 看的是当前输出在注意力里到底在看源文的哪里。前者实现简单但要多等几次一致，后者更贴近模型的对齐依据。

第 3 个相关背景是翻译专用注意力头。引用的研究显示多语言解码器大模型里只有稀疏的少数头，其注意力最大值能跟踪源目标词对齐。这给本文提供了起点，但原文强调两个运行时条件缺一不可：源文在提示词里的区间必须可识别，策略可见的注意力行必须从部署推理引擎实际使用的张量重建。本文的方法部分正是补齐这 2 个条件，而不是直接套用已有结论。

解码器模型做 AlignAtt 难在哪里？

问题可以沿一个样本走一遍。假设音频流到第 k 个切块，语音识别给出英文前缀，例如 the cat sat on，机器翻译据此起草德语续写。理想的提交判断是：如果草稿中 prüfen 对应的源文位置还在已听到的 the cat sat 范围内，就提交；如果它对应的源文还在没说完的尾部，就停下。编码器解码器模型天然有一行只对源文归一化的交叉注意力，峰值落在哪里一目了然。

解码器大模型的困难是源文和译文历史共享同一个因果提示词，自注意力一行里既有系统指令，又有源文，又有已提交译文，还有当前草稿。论文在 78 个纯文本诊断探针上报告，起草单元平均只有 9% 分配给可达源文词元，8% 给不可达源文词元，81% 给非源文提示词位置，2% 给推测后缀。也就是说直接读整行几乎全是噪声，必须先标出源文列，再挑对翻译敏感的头。

第二个难是工程难。部署用的 vLLM 把注意力放在融合内核里执行，完整矩阵从不物化，Python 侧看不到注意力矩阵。策略不能为了可解释而换一条慢的推理路径，否则计算感知延迟就超标。本文要同时满足可用性和快速性：信号要对，拿到信号的动作要便宜，且不能改变模型输出。

系统全景：一个切块内先做语音识别再做机器翻译

系统是同步级联。每个切块先更新语音识别转写前缀，再发起 1 次机器翻译请求。语音侧用 Qwen3 转写当前语音尾部，再用 Qwen3 强制对齐器给出词级开始和结束时间。相邻识别假设用最长公共前缀提交规则稳定到句末标点，剩余的实时尾部允许在下一切块改变。翻译侧用 Gemma-4，每次收到源文更新就把当前转写前缀、已接受的目标前缀和固定翻译指令拼成提示词，贪心生成至多 16 个新词元的草稿，再由 AlignAtt 决定接受多长的前缀。

同步的含义是语音识别和机器翻译串行跑在一块图形处理器上，严格交替，不重叠。这样做的好处是把策略行为和调度重叠分开，计算感知评测更干净。论文还讨论了全异步和半异步作为替代，但正式运行用的是全同步。两个官方延迟档只差切块步长：低延迟档为 850 ms，高延迟档为 1500 ms，其他语音后端、翻译骨干和策略实现相同。源文词只有当其对齐结束时间被观察到才算可达，官方运行的保留余量为 0 ms，且前 2 秒音频不触发首次翻译输出。

同步级联 × AlignAtt 提交策略： 同步级联负责分工生产可用的源文前缀和目标草稿：语音识别先更新带词结束时间的英文转写，机器翻译再基于该前缀生成至多 16 个新词元的草稿；AlignAtt 提交策略负责决定何时提交，它读取草稿对源文的可达性信号，只放行对齐峰落在已可达源文一侧的前缀，未通过的部分丢弃，从而把离线大模型变成不回退的增量输出。

下面先看级联一步的像素图，建立从波形到追加输出的整体回路，再进入提示词布局和观察器细节。

看图路径： 1. 从左到右跟随音频切块、转写加词结束时间、提示词、观察器、已提交译文的主路径；2. 看源文区间在提示词中的色块位置以及已提交译文如何反馈到下一步的目标前缀槽；3. 确认观察器只重算草稿乘源文块且注明从不物化完整注意力矩阵；4. 对比底部虚线回路与顶部前向箭头，区分增量追加与下一轮输入

论文图 1。原论文 Figure 1：“Chunk-synchronous cascade, one step. Each chunk first updates the source prefix with Qwen3 forced ASR, then runs one Gemma-4 MT step.”。

该图从左到右是 5 个框：原始波形切块进入 Qwen3 强制语音识别得到带时间的转写，接着进入 Gemma-4 提示词框，其中源文区间、已提交目标前缀和当前草稿用不同色块标出，然后进入 AlignAtt 观察器框做选择性重算和门控，最后是只能追加的目标框。底部虚线把已接受目标送回下一轮的目标前缀槽，左侧还有局部一致稳定前缀的回路。关键教学点是源文在提示词里始终显式存在，观察器只重算草稿乘源文块，完整注意力矩阵从不出现，已提交文字永不撤回。

提示词如何钉住源文，对齐头如何离线挑出？

提示词布局是串行拼接：系统提示、实时转写前缀、翻译指令、已接受翻译前缀、当前草稿。转写前缀因此是连续区间，并有从源词序号到提示词位置的映射。概念转变是策略直觉不变，但对齐基座从交叉注意力换成提示词结构化的自注意力。论文用对比图说明：左分支解码器状态直接读源归一化的交叉注意力行，峰值在可达侧就接受；右分支先在提示词空间标出源文区间，只保留草稿对源文切片，之后决策规则相同。

显式源文区间 × 翻译专用对齐头： 显式源文区间负责在解码器唯一的因果提示词里标出源文从哪里到哪里，并建立源词序号到提示词位置的映射；翻译专用对齐头负责提供可用的对齐信号，即每语言方向离线保留的 top-8 头，其注意力最大值能跟踪源目标词对齐；两者搭配的原因是解码器自注意力把系统指令、源文、已提交译文和草稿混在一行里，没有区间就无法切出草稿对源文块，没有挑过的头则切出的块被大量非源文注意力淹没。

离线挑选的具体动作分两步：在与线上完全相同的提示词布局下，先用外部模型在保留的平行文本上给出词级源目标对齐，再对 Gemma 的每个头计算翻译分数，即对齐词元的最大值准确率，每语言方向保留最高的 8 个头。该头集合在推理时固定，是策略中唯一依赖离线标定的部分。论文报告保留的头稀疏且集中在较晚的深度区间，而不是均匀分布。

下面两张图分别对应基座切换与选择性重算，读时先区分可达与不可达源文列，再看捕获的是哪些查询和键。

看图路径： 1. 先看左图编码器解码器分支的源归一化交叉注意力行与可达未来分界；2. 再看右图完整自注意力行中青色源文列与灰色非源文列的混合；3. 确认右图顶部显式划分出的可达源文与不可达源文区间标记

论文图 2。原论文 Figure 2：“How AlignAtt changes substrate between encoder-decoder and decoder-only models.”。

该图左面板显示交叉注意力行是源归一化的柱状，虚线前沿把可达源文和未来源文分开，箭头落在可达侧即接受；右面板显示完整自注意力行混合了源文列和灰色非源文列，顶部用显式划分标出可达源文区间、不可达源文区间、指令、已提交目标和草稿。教学动作是先确认右图青色源文列才是策略关心的对象，再理解为何必须先标记区间再切片。

看图路径： 1. 看左侧融合前向大矩阵中只捕获全列键和草稿行查询的标注；2. 找到底部深色小块对应的草稿行数乘源文列数及其虚线前沿；3. 看右侧重算后只保留源文列并拆分可达与不可达质量的说明

论文图 3。原论文 Figure 3：“Selective reconstruction with runtime capture.”。

该图左面板是融合注意力前向的大矩阵，顶部标注捕获所有键列，左侧标注只捕获草稿行的查询，底部深色小块是唯一使用的草稿行数乘源文列数块，斜线单元永不重算；右面板是重算后只保留源文列的小矩阵，并按可达与不可达拆分质量。教学动作是先数清捕获的维度，再确认重算代价只随所选头数和短草稿长度增长，而不随完整注意力张量增长。

看图路径： 1. 对照左侧重算块输入与中间上下两路分支的聚合方式差异；2. 看分支 A 的头平均加可达侧求和与分支 B 的标准化加宽 7 中值滤波后取峰；3. 看右侧门的三条件与最右扫描在首次失败处截断并回退到稳定单元

论文图 5。原论文 Figure 5：“From the reconstructed block to an acceptance decision.”。

该图是决策路径：输入的重算块分两路聚合，上路对所选头平均成行并在可达侧求和得到可达源文质量，下路对每头做前缀在线标准化和宽 7 中值滤波后取峰得到稳定峰位置，门同时检查峰在前沿左侧加边界、峰质量和可达质量 3 个条件，从左到右扫描在首次失败处截断并回退到最后完整稳定单元。官方 850 ms 与 1500 ms 运行点把后两个阈值设为 0，即运行时保留但不启用，只用前沿加边界做门。

门控如何扫描草稿，捕获如何做到不改变输出？

接受策略是对草稿词元的首次失败扫描。对每个草稿位置，先取源轴平滑后行的最大值位置作为对齐峰，再数有多少源词已在可达一侧。3 个停止条件分别是源前沿条件、最大值质量弱条件和来源弱条件，官方运行点边界为 1，其余两阈值为 0。扫描从左到右放行连续通过的词元，遇到第一个不通过就丢掉剩余，并按稳定单元回退：空格语言按空白分隔的词提交，中文按单个汉字提交，子词碎片不直接输出。

可达源文质量 × 不可达源文质量： 可达源文质量是对头平均后的行在已可达源文一侧求和得到的门控分数，决定当前草稿词元是否有足够已听到的依据；不可达源文质量是同一行在尚未可达源文一侧的求和，论文保留它只做诊断，用来发现模型是否在提前看还没说完的源文；两者同源但用途分离，一个进提交门，一个解释过早生成和幻觉风险。

捕获的实现分 3 个阶段。安装阶段在图捕获前给注意力前向打补丁，为每层预分配固定形状的观察槽，并插入自定义算子调用，把所选头的查询和键写入槽，同时返回零张量加回注意力输出。运行时每步前向在部署图内记录提示词键和草稿行查询，前向结束后在 Python 侧用相同缩放和掩码重算草稿对源文块。加零边的目的不是计算，而是让图优化把观察算子保留在存活扇入里，避免死代码消除删掉它。论文称该路径保持模型输出按比特一致，并用与变换器急切参考的奇偶校验验证接受决策一致。

qk-fast 选择性重算 × 运行时查询键捕获： 运行时查询键捕获负责在部署的 vLLM 融合注意力内部拿到模型真正消费的查询和键，它只存全提示词的键和草稿行的查询；qk-fast 选择性重算负责用这组张量在 Python 侧重新计算草稿行对源文列的小块，并复用相同的缩放和掩码；搭配的意义是既不物化 n×n 注意力矩阵，又保证策略看到的数值与融合前向一致，使策略可在高吞吐栈上运行而不改变模型输出。

重算后还做两处稳定化：用前缀在线均值方差对每头行做标准化再在头间平均，然后沿源轴做宽 7 中值滤波再取最大值。这些操作不改变底层重算行，只让对齐峰更稳。诊断上不可达质量被保留，用来观察被接受单元中提前看未来源文的比例从 8% 降到 1% 的现象。

本研究训练了什么，没有训练什么？

本研究没有训练语音识别或机器翻译主模型。Qwen3 转写与强制对齐器、Gemma-4 指令模型都是直接调用的已有模型，翻译生成是贪心解码，没有为同时翻译训练专用模型，也没有报告梯度路径、优化器或参数更新。把冻结参数理解成输出确定是不对的，贪心解码仍受提示词前缀和切块时序影响，不同切块会得到不同草稿。

实际发生的计算有 3 类。第一类是离线标定：用外部模型在保留平行文本上产生词级对齐，再按翻译分数为每语言方向选出 8 个头，这是唯一的策略标定。第二类是在线仿真：在 Simulstream 长语音不切分仿真里按切块重转写、调对齐器、拼提示词、生成草稿、重算注意力块并门控提交。第 3 类是诊断计算：纯文本探针上的来源分解、与急切参考的数值奇偶校验、不同语音前端的词错率比较。未报告的是新骨干的阈值重标定细节，论文只说换翻译专用骨干需要重标定头集合和接受阈值，但没有给出具体数值。

在什么数据和指标上测，延迟如何定义？

评测用官方 IWSLT 2026 多条件开发集，共 21 个长学术演讲，总时长约 2.1 小时，经重切分后评测。翻译质量用词元匹配的 BLEU、字符级匹配的 chrF 和基于模型的 XCOMET-XL，延迟用 LongYAAL 的计算无关与计算感知两个变体。流式循环遵循长语音未切分音频加可修订评测，但级联自身是同步追加输出。实验跑在单块 A40 上，翻译用半精度经 vLLM 服务，语音用 Qwen3 加强制对齐。

计算无关延迟 × 计算感知延迟： 计算无关延迟只按音频切块边界的时间戳计算等待，反映策略在理想实时条件下的提交时机；计算感知延迟把每个切块实际花费的墙钟处理增量替换进时间戳，反映同一块 GPU 上串行跑语音识别加机器翻译的真实开销；论文同时报告两者，才能区分是策略更保守还是实现更慢，部署选型时低延迟档和高延迟档都要看这两列。

论文特别解释了计算感知延迟在本实现中反而低于计算无关延迟的原因：计算感知模式用每切块实际花费的墙钟增量替换音频增量，而部署系统跑得比实时快，所以感知时间戳可以早于切块边界时间戳。这不是说计算免费，而是串行实现仍快于实时。离线诊断行是用全音频语音识别加句子级终态翻译得到的只看质量的上限，不参与延迟比较，用来分离骨干能力与同时提交代价。

下表先固定两个延迟档与策略超参数的可重放条件，读表时注意切块步长、草稿上限、头数和边界是同一组运行点的共同配置。

该表说明低延迟与高延迟只差切块步长，草稿上限、头数和平滑边界保持一致，因此延迟与质量差异可归因于等待更多音频而非换模型。代价是高延迟档必然增加等待，是否值得要看质量提升幅度，下一节用主结果表回答。

主结果：欧洲语言方向赢在哪里，中文方向差在哪里？

要回答的核心问题是：在可运行的同步追加系统下，低延迟约 2 秒与高延迟 4 秒内能否超过主办方无上下文基线。公平条件是同一开发集、同一长语音重切分、同一质量与延迟指标，基线是随任务提供的无上下文输出，其计算感知延迟不可用。指标方向是 BLEU、chrF、XCOMET-XL 越高越好，LongYAAL 越低越好。

该表显示英德和英意在两个延迟档都明显超过基线，论文报告低延迟计算无关延迟在 2 秒附近，高延迟在 3 秒左右但质量更强；英中则喜忧参半，高延迟 chrF 可比、低延迟 chrF 略高，但 BLEU 与 XCOMET-XL 仍落后于基线。未胜出项必须保留：中文的落后在原文中部分归因于 Gemma-4 骨干的中文生成较弱，而不是策略本身只适用于欧洲语言，因为策略只要求确定性提示词布局、标定头和查询键捕获，换翻译专用骨干可复用同一实现。离线诊断进一步显示去掉在线提交后仍有明显上限，说明同时提交与实时尾部有实质代价。

哪些对照证明小头集合与快速路径是必要的？

第一个对照是头集合大小。在英德、切块 1100 ms 的辅助重跑中，只换头集合而保持运行路径不变，top-8 与全 336 头的端到端质量几乎等价，但计算无关延迟增加 100.3 ms，计算感知延迟增加 179.5 ms。解释是全头观察器选择性下降且每步要重算更多注意力状态，门也更宽容。支持的判断是小头集合保留了大部分有用的对齐信号且运行时便宜得多。

第二个对照是捕获路径的每词元中位延迟。在 16 个固定纯文本提示词上，最小急切参考为 63.7，变换器可缩放点积快速重算参考为 59.0 ms 每词元，部署的 vLLM 快速路径为 25.4 ms 每词元，约 2.5 倍更快。这支持快速路径不仅是原理上可检查，而且是部署中真正便宜的。限制是该对照是文本探针，不是端到端语音流，不能直接换算成整体延迟下降。

第 3 个对照是语音尾部可靠性。按到当前尾部的距离看参考错误率，Qwen3 在尾部为 17.1%，到 250 ms 处降到 8.3% 之后基本平稳。论文保持已报告数字不变，但建议未来默认裁掉实时尾部最后 250 ms。这是一个时序余量而非词法修复，因为每切块从头重转写尾部，最新的词最可能在下一块被改写，而 AlignAtt 常在前沿前停下，掩盖了部分尾部噪声。

该表把 4 组诊断放在同一视图下，读时不要把自动指标当人评，也不要把某一步的加速推广到全程。每组都同时给出收益与边界：小头集合省时但需离线标定，快速路径便宜但依赖固定形状与加零存活，尾部裁剪稳源文但会增加等待。

还有哪些没测到或不能推广的边界？

首先是语言覆盖。欧洲方向的胜利不能推广到中文，中文的 BLEU 与 XCOMET-XL 落后仍然存在，论文把部分原因归于骨干，但没有在新骨干上重跑完整级联，因此换骨干的收益是待验证的推测，不是已验证的结论。其次是基线可比性。主办方基线的计算感知延迟不可用，论文只能在计算无关延迟下比较等待，同时用自身两档的感知与无关延迟说明实现不慢，但跨系统的感知延迟对比缺失。

其次是语音前端选择。附录比较了 Qwen3 强制对齐、Voxtral 实时与 Gemma 直接识别，Voxtral 词错率更低但在单卡串行循环里非实时且延迟更高，Gemma 存在提示词泄漏导致时间戳与延迟不可靠，论文因此保留 Qwen3。这支持当前选择，但不证明 Qwen3 在所有硬件与调度下最优，换异步调度后结论可能变化。

最后是测量边界。数值奇偶校验报告了最大绝对差与平均差，但未测量误提交率、每步最坏延迟或显存峰值；离线诊断与流式输出的差异指向提交代价，但没有分离语音尾部噪声与策略保守各自贡献了多少。相关性不等于因果，尾部错误率下降支持加保留余量，但未证明加余量一定能让门更宽松而不丢质量。

要复现应先固定什么，再跑哪两组最小验证？

复现先固定信息条件：切块步长分 850 ms 与 1500 ms，前 2 秒不输出，源文可达以词结束时间被观察到为准且官方余量为 0，提示词严格按系统、源文、指令、已接受目标、草稿拼接并记录源词到位置的映射，每方向用固定的 8 个头，源轴宽 7 中值滤波加边界 1，后两阈值在官方点设为 0。硬件与服务条件也要固定：单卡串行交替跑语音识别与翻译，翻译经 vLLM 半精度服务，观察器在图捕获前安装并用加零边保持存活。

最小验证建议两组。第一组跑 16 个纯文本提示词的奇偶与耗时：对比急切参考、可缩放点积快速重算与部署快速路径的接受决策是否一致，并记录每词元中位延迟是否从 63.7 量级降到 25.4 ms 每词元量级。第二组跑开发集上的语音尾部曲线：复算到尾部距离 0 与 250 ms 处的参考错误率是否从 17.1% 降到 8.3% 附近，再决定是否启用 250 ms 保留。两组都通过后再跑完整 21 讲的端到端双延迟档。

常见误解是把无训练等同于确定性。实际上提示词前缀随切块变化，贪心草稿也会变；另一个误解是把全头当成更准，论文显示全头质量几乎不变但感知延迟明显增加。还有人会把计算感知低于计算无关当成异常，正确理解是实现快于实时导致墙钟替换后的时间戳更早，这恰好说明同步实现在当前硬件上不构成瓶颈。

何时值得尝试这种解码器侧 AlignAtt？

当已有高质量解码器翻译模型但不想为每个方向训练同时模型时，值得尝试本文路线：把源文显式钉在提示词里，离线挑出少数对齐头，在部署推理里捕获查询和键并只重算草稿对源文块，再用前沿门做首次失败扫描。它的适用条件很具体：提示词布局必须确定，头集合必须按骨干重标定，推理栈必须允许在融合内核外捕获查询和键并做 Python 侧重算。

不值得盲目尝试的情况是目标语言在当前骨干上生成偏弱，或语音尾部噪声大而又不愿加保留余量。此时更优先的动作是换翻译专用骨干或先做 250 ms 尾部分析，而不是调门阈值。论文的欧洲语言结果支持在约 2 秒与 4 秒内拿到稳定追加输出，中文的混合结果提醒骨干与策略要分开评估。

收束一句话：本文把经典 AlignAtt 的停止直觉搬到解码器上，靠区间标记解决从哪里看，靠选头解决看谁，靠捕获加选择性重算解决看得起，最终用同一套门在两个延迟档上复用；复现时先保住区间、头、捕获三件套，再谈延迟与质量的权衡。

📐 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 23 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 iwslt-2026 论文汇总