转换来的嗄声能当真病人用吗：Seed-VC 扩增的临床可信度检验

英文题目：Conversion de voix dysphoniques pour l’augmentation de données : évaluation de la plausibilité clinique

会议身份：conference:jep:2026:conference-paper-id:forges26_jep

✅ 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：#数据增强 #主观评测 #言语障碍 #语音 #语音转换

评分：4.4/10 | 创新 1.0/2 | 技术严谨 0.8/1.5 | 实验充分 0.7/1.5 | 清晰度 0.7/1 | 影响力 0.5/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.6/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Clémence Forges：机构信息未能从会议 PDF 纯文本可靠映射
• Nicolas Audibert：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

在喉科学中，以持续元音/a:/声学信号为输入、以癌与良性黏膜病变等类别为输出的自动分类，常因病理样本稀缺而依赖数据增强，难点在于增强样本须保留可诊断的嗓音障碍特质而不引入人工伪影。本研究先按性别将对照组拆分为内容源与音色目标，再用预训练Seed-VC以对照源波形为骨架、以病理或健康目标波形为音色目标合成人工病理与人工健康元音，接着由4名嗓音医师加4名言语治疗师对116个刺激做GRBAS与4级人工度判断，最后在Praat多段声学参数上检验源目标差异与可信度评分的相关性。相对直接扰动声学参数的AugLy增强，Seed-VC通过解耦内容与音色再重建波形来保留语言内容并迁移病理音色，因而更可能生成临床可用的病理变体。与已有基线相比，作者仅定性提及随机森林预试验中转换增强更优，感知评测则显示评定者内高度稳定而评定者间分歧极大。在116个刺激专家评测设置下，GRBAS评定的评定者内信度指标α为0,91，高于可信度评定的评定者内信度指标α的0,90。该结论适用边界受限于法语单中心持续元音、20例病理加12例对照的小样本预试验，尚未验证连续语、跨设备与重度亚型的外推性，原文未披露训练、推理或部署成本。

🔗 开源与复现资源

预印本/扩展版链接未在会议页展示；会议版来源见页首官方记录与 PDF。 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

临床要解决什么问题，为什么缺数据会卡住分类器？

输入是这篇法文会议论文的全文证据，目标是让刚进入语音与音频领域的研究生能复述方法并理解结论边界，必须保留的信息包括研究对象构成、录音与转换做法、听评设计与主要数字，输出是 1 篇可核对的技术解读。

喉科的任务是从声音信号里识别与喉部疾病有关的嗓音标志物。白话说，就是听一段持续元音，判断是健康嗄声还是癌或良性黏膜病变引起的嗄声。这里的嗄声指声音嘶哑、粗糙或不稳，英文是 dysphonia。自动分类器从上世纪八十年代就开始做健康与病理的区分，后来扩展到单侧喉麻痹、喉肌张力障碍、癌、结节息肉囊肿等良性黏膜病变。问题在于训练可靠的分类器需要大量标注病例，而喉科门诊收集确诊病例慢，不同病种与严重度分布不均，模型容易记住少数样本的偶然细节，也就是过拟合。

数据扩增的白话含义是人为造出更多训练样本。英文是 data augmentation。语音里常见做法有两类，一类是直接改声学参数，例如基频、强度和噪声，另一类是改频谱或遮挡，例如改变基频曲线走向或遮掉部分时间片段。论文提到，近年声音转换也被拿来做扩增，其中 Seed-VC 被认为是表现较好的路线之一。作者的前期尝试显示，用 Seed-VC 扩增训练的随机森林分类器，比用常规参数修改工具扩增训练的模型表现更好，但这是初步比较，本文的重点不是重复报分类准确率，而是先回答一个临床前提：转换出来的嗄声听起来像不像真病人，能不能放心拿去扩增。

嗄声 × 数据扩增： 嗄声负责界定临床对象，即因癌或良性黏膜病变导致的声音嘶哑与不稳定，决定了分类器要区分什么；数据扩增负责在病例不足时人为扩大训练集的多样性以避免过拟合。二者搭配的理由是喉科病例收集慢而模型需要大量样本，组合意义在于只有当扩增出的嗄声保留了真实病理的声音特征时，扩增才可能帮助分类器而不是引入假模式。

对初学者而言，关键依赖关系是先有临床对象与缺数据的矛盾，再有扩增路线的选择，最后才有可信度检验。如果跳过可信度直接扩增，分类器可能学到转换引入的人工痕迹，而不是疾病本身的声音特征。本文因此把听感知评价放在中心位置，用临床熟悉的 GRBAS 与人工或人声判断来检验 Seed-VC 在持续元音与病理嗄声上的表现。

已有路线各解决了什么，还缺哪一块证据？

同输入同目标的已有工作是基于声学信号的嗓音病理分类。从健康与病理二分类起步，逐步做到区分不同喉部疾病，输入都是录音，目标都是辅助喉科判断，监督都依赖临床确诊标签。本文与这类工作的区别在于不直接报新分类器，而是检验扩增数据的质量。

同运行阶段的扩增路线包括改基频与强度加噪、频谱扰动与遮挡，以及声音转换。改参数做法可控但变化比较局部，声音转换做法能整体改变音色，更接近换一个人说话的效果。论文引用的声音转换综述把流程归纳为声码器分解、对齐、映射与重合成，目标是保留源的语言内容而套上目标的音色。Seed-VC 的特殊之处按原文转述是零样本架构，声称在连续语音与歌声上表现好，并通过减少音色泄漏在未见过的连续语音上也能用预训练模型取得较好效果。

但原文同时提醒，这个结论是在正常语音与连续语料上得到的，把它搬到病理嗄声与孤立持续元音上是否成立从未被评估过，这正是本文要补的缺口。

同监督与同评价习惯的参照是 GRBAS 听感知评价。GRBAS 是临床判断嗓音质量的常用量表，G 代表总体严重度。本文用它来刻画样本的严重度分布，也用它来检验转换是否改变了严重度感知。另一条参照是常规声学测量，例如用 Praat 提取的参数。作者的立场是声学数字不能代替人耳，是否像真病人最终要靠专家听。因此本文的相关工作对照不是比谁的分类分数高，而是比扩增方式是否保留了临床可接受的声音质地。

本文到底要回答哪个可检验的问题？

本文要回答的问题可以拆成两句。第一句，Seed-VC 生成的嗄声与正常转换声，在专家耳中在多大程度上被当成真人声音。第二句，常规声学测量能否解释这种真假判断。如果第一句的答案是多数被当成真人且分布接近原始声音，那么用它扩增更可信。如果第二句的答案是否定的，说明人耳听到的局部失真没有被现有测量抓住，扩增前需要更细的质检。

为便于复述，可以把 1 次检验走通。取 1 位对照人的持续元音作为源骨架，取 1 位癌病人的持续元音作为目标音色，按性别配对后送入 Seed-VC，得到一个人工癌嗄声。专家在随机顺序下听到原始癌声、原始对照声与各类转换声，给出 GRBAS 严重度与 4 级可信度判断。研究者再比较原始与转换的分布差异，并计算声学差值与可信度评分之间的相关。只有当转换声的分布不系统性偏向人工端，且严重度覆盖与原始组相当时，才能说扩增保留了临床可用的多样性。教学例子仅用于说明流程，不代表论文报告了该单个样本的分数。

本文的判断边界在摘要已经写明：转换刺激没有被系统性识别为人工，但转换仍然可被感知，可能与信号局部失真有关，而常规声学测量没有反映这一点。后文的方法与结果都是为这两句话提供可核对的细节。

从录音到可供听评的 116 个刺激，整体链路是怎样的？

整体链路按学习依赖可分为 4 段。第一段是建队列与定严重度，纳入癌与良性黏膜病变病人以及无嗓音问题的对照，并用门诊 GRBAS 的 G 级来平衡性别与严重度。第二段是标准化录音，只用舒适音高与强度的持续元音/a:/，保证输入是可比的孤立元音而不是连续句子。第三段是按性别配对做 Seed-VC 转换，把对照第二亚组作为公共源，把病人与对照第一亚组作为目标音色，生成人工病理与人工正常声音。第 4 段是专家盲听，同时做 GRBAS 与 4 级可信度判断，并用声学分析与统计模型检验可信度能否被解释。

下图是理解配对与计数的关键，它把目标、源、转换后样本以及原始与复测如何拼成总数画在了一张流程里。读图时先看左右分组再看中间箭头，不要把源与目标的方向弄反。

看图路径： 1. 先从左列目标音色看到癌、良性黏膜病变与对照第一亚组的人数与性别拆分；2. 再看中列第二对照亚组作为公共源如何按性别连线到各目标；3. 最后看右列转换后三类样本的计数与底部原始加复测合计为 116 的过程

论文图 1。原论文 Figure 1：“Correspondance entre sous-groupes de locuteurs et stimuli”。

这张图左侧是目标音色库，包括癌 9 男 1 女、良性黏膜病变 1 男 9 女、对照第一亚组 3 男 3 女。中间是作为源的对照第二亚组，3 男 3 女。按性别连线后经过绿色 Seed-VC 箭头，右侧得到癌转换 30 个、良性黏膜病变转换 30 个、对照转换 18 个，合计 78 个转换样本。底部再加上原始声音 26 个与每性别每类各 1 个的复测 12 个，拼成 116 个听评刺激。像素细节显示连线颜色按性别区分，蓝色指向男性源，橙色指向女性源，右下角用红框强调总数，底部用加号与箭头表示原始加复测汇入总数。这个设计保证了每个目标音色都有同性别源来承载，避免性别音色差异污染病理判断，同时用复测来估计评定者内稳定性。

声音转换 × Seed-VC： 声音转换负责说明任务形式，即保留源说话人的语言内容而套上目标说话人的音色；Seed-VC 负责说明实现路线，即文中采用的零样本解耦转换模型，用预训练方式减少音色泄漏。二者搭配的理由是作者想用比改基频和加噪更整体的方式造新样本，组合意义在于把一个对照人的持续元音骨架套上病人的嗄声音色，1 次生成可用于扩增的人工病理样本。

源、目标与 Seed-VC 各自承担什么计算角色？

先沿一个样本走完输入到输出。输入是两段持续元音波形，一段是源，例如 1 位对照男性的/a:/，提供时间长度与语言内容骨架。另一段是目标，例如 1 位癌男病人的/a:/，提供要模仿的嘶哑音色。表示阶段按论文引用的通用转换逻辑，是把波形分解成向量序列并做时间对齐。组件阶段做映射，把源向量按目标向量调整，生成新的向量序列。输出阶段重合成波形，得到内容来自源而音色接近目标的新样本。

源声音 × 目标音色： 源声音负责提供要保留的语言与时间骨架，在本研究中是第二对照亚组的持续元音；目标音色负责提供要模仿的嗓音质地，即病人或第一对照亚组的嗄声或正常音色。搭配理由是按性别配对可以避免把性别差异误当成病理，组合意义在于转换后得到的新样本在内容上来自健康人而在听感上带有目标病人的嘶哑特征，从而扩大同一病种内的音色多样性。

需要强调的是，论文没有给出 Seed-VC 内部的网络层数、损失权重或扩散步数等实现细节，只说明调用的是预训练的 Seed-VC 方法并引用了相关预印本。对初学者而言，这意味着不能从模型名字推定它一定保留了病理细节，也不能推定它在持续元音上与在连续语音上行为一致。原文明确指出该模型通常在会话与歌声数据上训练，这次用在病理嗄声与孤立元音上属于未评估过的新条件。因此本节只讲调用关系与配对逻辑，不补写网络结构与梯度路径，未报告的参数缺项应在复现时如实记录为未知，而不是按常识填补。

本研究训练了什么，没有训练什么，真实计算在哪里？

本研究没有训练新的声音转换模型，也没有训练新的分类器作为主结果。真实计算分为 3 类。第一类是转换调用，即用已有 Seed-VC 把配对好的源与目标持续元音生成人工样本，这是推理生成而不是本研究的模型训练。第二类是声学计算，用 Praat 在信号中部为中心的滑动窗上提取测量，窗口 30 毫秒、重叠 5 毫秒，覆盖开头 200 毫秒、结尾 200 毫秒与中间 1 秒，并按性别在各段上计算源与目标的声学差异，用于后续追踪时间演变。

第 3 类是听感知与统计计算，由 8 人专家组完成 GRBAS 与可信度打分，再用线性混合模型比较组间差异，用克朗巴赫阿尔法看评定者内稳定性，用克里彭多夫阿尔法看评定者间一致，用斯皮尔曼相关看声学差值与可信度的关系。

前期提到的随机森林分类比较只是动机，不是本文的训练主体。原文只说初步比较提示 Seed-VC 扩增的模型表现更好，但没有给出该比较的划分、特征与分数，因此不能把它当成可部署收益来引用。本节的要点是区分调用预训练模型与训练新模型的区别：前者的可重复性依赖于明确记录所用权重版本、输入切分与配对表，后者的可重复性才涉及优化器与训练轮数。本文属于前者，复现时应优先固定配对与随机播放顺序，而不是调参。

谁被纳入，录音与听评条件如何保持一致？

纳入与排除按原文交代。病人来自耳鼻喉门诊，成年并经视频频闪喉镜确诊为癌或良性黏膜病变，良性包括结节、息肉或囊肿。对照为成年无嗓音障碍与无嗓音主诉者，接受同样录音。排除标准包括癌或良性黏膜病变之外的其他嗄声原因、影响语音的神经系统疾病、上呼吸道手术或 phonosurgery 史、喉或颈部放疗史，以及拒绝录音或拒绝签署知情同意者。纳入期为 2022 年 11 月至 2025 年 9 月。最初纳入 35 例嗄声病人，因两组性别与人数不平衡而剔除 15 例，最终保留 20 例病人加 12 例对照进入分析。

下表把最终队列的构成问题摆出来：病人与对照各有多少、男女如何分布、年龄均值与波动是多少。比较的公平条件是后续转换与听评都按性别配对与随机顺序进行，年龄差异本身不是评价指标，但在解释泛化时需要记住对照组平均年龄更大。指标方向在这里不涉及好坏，只涉及构成是否平衡。

上表把人数、性别、年龄与刺激总量的主要信息集中呈现，便于对照原文核对。具体代价是性别与病种高度交织，癌以男性为主而良性以女性为主，这意味着病种差异与性别音色差异难以完全分开。未胜出或未解决的一面是样本量仍然很小，每种性别与病种交叉格只有 1 至 9 人不等，任何按细格的结论都只能视为初步。录音条件控制较好，统一在门诊安静房间由言语治疗师用高品质话筒与声卡采集，话筒距口约 4 厘米，采样率 44100 赫兹，材料为舒适持续元音。

听评由 4 名嗓音科医生与 4 名嗓音言语治疗师完成，可信度为四选一，分别为明显人工、偏人工、偏真人、明显真人，116 个刺激含 12 个复测，播放顺序控制男女交替、同目标间隔至少 3 个、测试与复测间隔至少 30 个。

GRBAS 评分 × 临床可信度： GRBAS 评分负责度量嗄声严重程度与嗓音质量，是临床听感知的参照标准；临床可信度负责回答这个转换声听起来像不像真人，是 4 级李克特判断。二者分工不同，前者看病得多重，后者看假不假，搭配理由是只有同时知道严重程度和真假判断，才能检验转换是否在不同严重度下都成立，组合意义在于为扩增数据的可用性提供与临床习惯对齐的证据。

专家听到了什么，分布与相关数字支持什么判断？

主结果先看分布再看相关。分布层面，原始刺激都被识别为真人一侧，而转换刺激多数不在明显人工端，更多落在偏人工甚至偏真人区域，但整体分布仍与原始不同。也就是说，转换声没有被系统性识破，但内行仍能感到不一样。评定稳定性层面，GRBAS 与可信度都呈现评定者内稳定而评定者间分歧，提示每个人有自己的稳定标准，但不同人抓住的人工线索可能不同。相关层面，常规声学差值与可信度之间只有弱或零相关，严重度与可信度之间也只有很弱相关，时长差有轻微负相关。显著性检验显示源与目标的声学参数本身差异显著，但这种差异解释不了谁被判为人工。

下图是检验分布错位的直接证据，横轴是从明显人工到明显真人的评分，纵轴是 6 个分组的密度，每条带子下还有按性别标记的散点。读图时不要把密度高低当成人数多少，密度只表示评分集中在哪里。

看图路径： 1. 先对照横轴四级可信度标签与纵轴六个原始与转换分组的排列顺序；2. 再比较原始组密度偏右与转换组密度偏左偏中的整体错位；3. 最后看圆点与三角标记的男女样本在各组密度下的散布位置

论文图 2。原论文 Figure 2：“Distribution des stimuli évalués avec l’échelle de plausibilité clinique”。

像素可见的最下层原始癌组密度集中在偏真人附近，上数第二层转换癌组密度明显左移到偏人工附近。原始对照与原始良性组同样偏右，而对照转换与良性转换组则居中或偏左。虚线零点附近是偏人工与偏真人的分界，转换组的峰多在零点左侧或附近，原始组的峰多在零点右侧。右侧图例区分 6 组颜色，圆点为女性、三角为男性，散点显示即使在同一组内男女样本也有散布，但组间左右错位大于组内性别散布。这支持了摘要的判断：转换整体可被感知，但不是每个样本都被判为明显人工。

评定者内一致性 × 评定者间一致性： 评定者内一致性负责说明同一专家重复听时是否稳定；评定者间一致性负责说明不同专家之间是否互相认同。二者搭配的理由是可信度判断本身带有主观性，必须同时看稳定与共识，组合意义在于本研究出现个人稳定但群体分歧时，可以判断人工痕迹是真实可感但线索不统一，而不是某个专家随意打分。

下表把可核对的评价量与相关上限集中起来，比较问题是稳定性与可解释性是否同时成立，公平条件是同一批 116 个刺激与同一专家组，指标方向是阿尔法越高越稳定，相关绝对值越小越不支持声学解释。

表后解释需要同时看到收益与代价。收益是转换声保留了一定的真人感，没有一听即假，这为扩增保留了希望。代价是常规测量抓不住人工感，且专家之间分歧大，说明人工痕迹可能藏在局部时频细节里。未胜出的一项是任何想用声学差值预测可信度的尝试在当前测量下都失败了，负结果本身就是重要信息：不能用平均化的声学距离来做质检阈值。

哪些对照说明人工感来自局部失真而不是整体偏移？

本文没有神经网络消融，但有两类论文特有的失败条件分析可当作对照来读。第一类是声学差值对照。源与目标在统计上差异显著，如果人工感来自整体音色没转过去，那么差值越大应越假。但实际相关多为弱正相关甚至接近零，方向反而是源与目标越不同越被判为真人，严重度越高也略更像真人。这反驳了整体偏移解释，支持了局部失真解释：决定真假的不是平均距离，而是转换过程中引入的短时瑕疵。

第二类是定性声学复查。作者挑选被判为明显人工的样本看波形与语图，报告了非周期、振幅不规则、结尾截断生硬、嗓音杠可读性差、整体噪声大、中部类似爆破杠的短冲击并伴随咔哒感，以及第一共振峰短促变化带来的立体声感与第二共振峰较长变化带来的断续碎裂感。这些现象在滑动窗平均的常规测量中容易被抹平，因此相关分析抓不住它们。对初学者而言，这是一个重要的方法教训：平均指标只能反映趋势，不能证明每段信号都干净，听评与语图抽查仍是扩增质检的必要环节。

还有一个未评测边界是时长差。时长差与可信度有轻微负相关，提示源与目标长度不一致可能影响自然度，但原文没有做系统的时长对齐消融，也没有报告把时长归一后可信度是否回升，因此只能记为待验证线索，不能当成因果结论。

在拿去扩增之前，还有哪些限制必须先承认？

第一个限制是样本与混杂。最终只有 20 例病人与 12 例对照，且癌与良性在性别上几乎互补，年龄分布也不一致。对照平均年龄更大，病人组年龄离散更大。在小样本下，任何按病种的结论都可能混入性别与年龄的影响，推广到连续语音或更大队列时需要重新检验。

第二个限制是评价共识低。两类评价的评定者间一致性都很低，说明人工与否的标准在专家之间并不统一。原文把这归因于临床经验差异与每个人关注的声学线索位置不同，但这也意味着可信度分数不能当成金标准来训练质检模型，只能当成初步信号。复现时应保留原始的逐评定人分数，而不是只存平均分，否则会掩盖分歧。

第三个限制是测量与机制的缺口。常规声学分析没有解释可信度，定性发现的局部失真还没有量化成可自动计算的指标，也没有证明去掉这些失真后可信度一定回升。相关性不是因果，缺失证据不是技术错误，但确实说明当前不能承诺转换扩增一定改善分类泛化，更不能承诺改善延迟或成本，因为本文根本没有测量推理开销与部署帧率。训练资源、推理开销与实际延迟应分开讨论，本文只涉及 1 次性的转换生成与离线听评，不涉及实时系统的负担。

要复现这条链路，先固定哪些动作与记录？

复现的第一步是重建队列与配对表。按排除标准筛选成年确诊病例与健康对照，记录每人的性别、年龄与门诊 G 级，按性别把对照分成目标亚组与源亚组。病人全部作为目标音色，对照第一亚组同时作为正常目标与原始正常样本，对照第二亚组作为所有转换的公共源。配对必须同性别，记录每个转换样本的源编号与目标编号，以便追溯。

第二步是固定录音与切分。用同样的话筒距离、采样率与舒适持续元音采集，统一截取可比的元音段。声学测量若要复现，需按 30 毫秒窗、5 毫秒重叠，覆盖开头 200 毫秒、结尾 200 毫秒与中间 1 秒，并在各段内按性别计算源与目标差异。第三步是固定转换调用。记录 Seed-VC 的权重来源与版本、输入格式与输出命名，不要调参也不要混入其他增强。

第四步是固定听评。组织嗓音医生与言语治疗师双重评价，GRBAS 与 4 级可信度分开呈现，刺激总数 116 含 12 复测，随机顺序满足男女交替、同目标间隔与复测间隔的要求，并保存逐人逐刺激的原始打分。统计用线性混合模型加随机截距处理刺激效应，用两种阿尔法分别报告稳定与共识，用斯皮尔曼相关检验声学差值与可信度的关系。

还需补的验证包括量化局部失真指标、扩大样本并解开性别与病种的绑定、在连续语音上重复检验，以及在固定划分下比较 Seed-VC 扩增与常规扩增的分类收益与代价。只有补上这些，才能从可信度走向可部署的扩增策略。关于可用性，原文只给出 Seed-VC 预印本的公开链接可用，本文队列语音因临床隐私不能按公开数据理解，复现应按本院伦理重新采集或申请受控使用。

何时值得尝试转换扩增，何时应该先停下来做质检？

当分类项目确实缺病例，且已有标准化持续元音采集流程时，Seed-VC 这类整体音色转换值得作为候选扩增来探索，因为它比单参数扰动更可能带来新的音色多样性，前期分类比较也提示了潜力。但在把它写入训练管线之前，应先做本文这样的小规模盲听：若转换声多数落在偏人工到偏真人之间且原始声稳定偏真人，说明方向可行但仍需质检；若出现大量明显人工样本或专家共识极低，就应先停下来定位失真。

常见的误解是把平均声学接近当成像真病人。本文恰好证明，即使源与目标差异显著，平均差值也解释不了可信度，真正可疑的是爆破样冲击、共振峰抖动与结尾截断等局部事件。另一个误解是把个人稳定当成群体正确。评定者内稳定只说明专家前后一致，不代表专家之间标准一致，低的评定者间一致恰恰提醒人工线索是多样的。

收束时回到中心矛盾：扩增需要多样性，但临床需要可信性。Seed-VC 在嗄声持续元音上给出了部分可信的多样性，却留下了可感知但难量化的尾巴。下一步不是直接扩大生成量，而是把定性看到的失真变成可计算的质检指标，并在更大更平衡的队列与连续语音上重复验证。只有当可信度分布、失真指标与分类收益三者同时成立时，转换扩增才算真正通过了临床前的第一关。

📐 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。

另有 2 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 jep-2026 论文汇总