把成人运动性言语评估改给 2 岁半幼儿用：双音节交替任务能测什么、不能只看语速

英文题目：Évaluation des performances à une tâche de diadococinésies chez de jeunes enfants francophones au développement langagier typique

会议身份：conference:jep:2026:conference-paper-id:piccaluga26_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：#统计分析 #语言习得 #发声与构音 #语音 #语音属性识别

评分：4.5/10 | 创新 1.0/2 | 技术严谨 1.2/1.5 | 实验充分 0.5/1.5 | 清晰度 0.5/1 | 影响力 0.5/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.7/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Myriam Piccaluga：机构信息未能从会议 PDF 纯文本可靠映射
• Véronique Delvaux：机构信息未能从会议 PDF 纯文本可靠映射
• Pauline Deghorain：机构信息未能从会议 PDF 纯文本可靠映射
• Eva Goeseels：机构信息未能从会议 PDF 纯文本可靠映射
• Virginie Roland：机构信息未能从会议 PDF 纯文本可靠映射
• Kathy Huet：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文以声学录音为输入，输出比利时法语区典型发育儿童在轮替运动速率与序列运动速率任务中的言语运动控制特征，难点在于低龄儿童注意执行负荷高、构音错误多且个体内与个体间变异大，三至五岁进展主要体现为精度与规则性而非语速提升。方法链第一步是将成人法语MonPaGe七项任务改编为适用于二点六至六岁的Boutchou儿童版并完成约百例采集，为后续分析提供可比语料。第二步用WebMAUS做时间对齐生成Praat兼容TextGrid并经人工核对补全分割，将原始录音转化为可度量的音节边界标注。第三步用自研Praat脚本在生产总量、前四秒与前六个可用音节三个窗口下抽取同一套时间与错误度量，第四步再用广义线性混合模型检验任务类型与辅音丛效应，使多窗口度量进入统一统计检验。在Boutchou语料采集条件下，招募年龄上限的年龄指标为6岁，高于招募年龄下限的年龄指标为2,6岁。相对以往以英语为主且只报语速的研究，该工作以多窗口可比性与错误数量性质分析为关键机制差异，实际意义在于适配法语儿童并支撑后续与健康老化及帕金森病人的比较。该结论适用边界受限于横断初步描述尚不能外推至临床截断与纵向预测，跨年龄逆行比较尚未验证；原文未披露训练、推理或部署成本。

🔗 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

为什么要在幼儿身上重做成人言语运动评估？

输入是这篇法语会议论文的研究问题与目标读者。目标是让刚进入语音、音乐与音频方向的研究生能复述方法链条：研究什么任务、用谁的数据、经过哪些处理、得出什么限定结论。必须保留的信息是任务名称为交替运动速率、法语称 diadococinésies 缩写 DDK，项目名为 Boutchou，来源工具为 MonPaGe，首批样本为比利时法语区典型语言发育幼儿，分析从听觉语速转向声学时间测量加错误分析。本文输出是 1 篇可核对的技术解读，不评价临床疗效，不补充原文之外的常模数值。

白话先说核心矛盾。成人运动性言语障碍评估要求被试按指令快速、准确、持久地重复音节，这对成人可行，对两三岁幼儿则涉及注意维持、指令理解和构音稳定性三重负担。如果直接照搬成人流程，幼儿可能因不理解、不配合或发音错误过多而无法产出可分析数据；如果改得太多，又失去与老年组比较的共同标尺。论文的解决思路是保留任务构念，改写适配细节。

逆行发生 × 交替运动速率： 逆行发生负责提出可检验的发展与衰退对应关系，即年老、神经退行性疾病和失语中的语言能力退化顺序与儿童习得顺序相反；交替运动速率负责提供可在两端施测的运动性言语探针，即用重复音节的可控发音任务度量言语运动控制。二者搭配的理由是需要同一类任务在儿童和老人身上都可施测且对功能 profile 友好，组合意义是把抽象的衰退顺序假设落到可比较的发音速度、规则性与错误类型指标上。

沿一个样本走完全程有助于建立依赖关系。假设 1 名三岁半法语儿童进入实验室，先完成包含 DDK 在内的七项改编任务录音；研究者先听录音估计构音语速，再对 DDK 音频做自动时间对齐加人工修正，然后用同一套 Praat 脚本在 3 个时间窗口内提取相同的时间测量，并统计错误数量与性质；最后用混合模型检验任务类型与音节结构是否显著影响表现，并描绘随年龄的变化轨迹。这个链条中，前置概念是任务与人群定义，中段是标注与窗口定义，后段才是统计判断，不能跳过中段直接谈结论。

DDK 文献指出了哪些方法分歧与空白？

论文把 DDK 定位为科学研究与临床都常用的言语运动控制参考工具，但同时引用 3 组文献说明方法异质性很大。具体分歧包括刺激是单音节重复还是多音节序列、计时窗口取全程还是前几秒、指标取语速还是准确性与一致性、错误如何计数与分类。这些选择直接改变被试排名，因此跨研究比较需要先对齐协议。

空白有 3 层。第一层是幼儿常模稀缺，幼儿数据采集难、错误多、个体内与个体间变异大，注意与执行要求又高，导致可用样本少。第二层是非英语研究少，论文引用的 Kent 等人 2022 年范围综述被报告为未纳入任何法语儿童样本，而跨语言差异已有文献记录，因此英语常模不能直接搬用法语儿童。第 3 层是幼儿发育特点可能违背成人直觉，Williams 与 Stackhouse 2000 年被引用为 3 至 5 岁阶段主要进步是准确性与规则性，而非语速提升，这意味着只报每秒音节数会漏掉关键发育信息。

相关工作对照要按同输入、同目标、同运行阶段进行。同输入对照是同样要求快速重复音节的 DDK 研究，而不是泛泛的词汇或句法测试；同目标对照是同样想分离运动速度与序列组织的研究，而不是只测听辨的研究；同运行阶段对照是同样在幼儿采集条件下讨论注意力与构音错误的采集方法，而不是成人安静实验室条件下的理想切分方法。本文的差异化在于法语幼儿样本与三窗口统一测量加错误质性分析的组合，而不是声称提出全新声学指标。

要检验的假设是什么？需要什么样的可比任务？

论文检验的远端假设是逆行发生，白话即衰退顺序与习得顺序相反。具体表述引用 Jakobson 与 Avrutin 等人：在老化、神经退行性疾病与失语中，神经认知过程与语言能力特别是音系能力的退化，遵循儿童习得的逆序。要检验它，需要比较儿童与老年人的表现，所用任务应尽可能相似，同时适配被试的功能特点。论文还引用 Rubial-Álvarez 等人 2012 年用同一工具 MMSE 的改编版比较 4 至 12 岁儿童与不同痴呆程度阿尔茨海默病患者，发现老年人渐进性认知退化与儿童认知习得轨迹存在对应，这被作为方法先例。

由此导出近端任务：在法语幼儿中建立可与老人比较的言语采集与分析流程。本文聚焦七项改编任务中的 DDK 一项。问题形式化不是分类或生成，而是在受控重复发音条件下，度量时间表现与错误表现如何随年龄、任务类型与音节结构变化。输入是儿童 DDK 录音与任务标签，输出是对发育轨迹的描述与显著影响因素的判断，后续才扩展到健康老化老人与帕金森患者的同方法比较。

教学例子仅为例子，不代表论文数据。假设让儿童重复 pa-pa-pa 与 pa-ta-ka 两类材料，前者只要求同一动作快速复现，后者要求舌唇舌位切换；若两类材料语速差异很大，就不能把它们平均成一个语速分，而应分别报告并检验任务类型效应。论文后续初步混合模型结果正是沿这个逻辑报告任务类型显著。

Boutchou 如何把 MonPaGe 改给幼儿？全景是什么？

方法全景分 4 段。第一段是工具来源与适配范围。MonPaGe 原本为成年法语运动性言语障碍患者设计，包含感知与声学评估；Boutchou 把其中七项任务改编为适合 2.6 至 6 岁幼儿的采集工具，并在约 100 名儿童中试测，论文报告改编被认为是结论性的可行。第二段是本次聚焦的 DDK 任务，其方法学特征被集中放在原文表 2，首批定量分析先基于听录音得到的构音语速测量。

第三段是升级后的处理线：WebMAUS 时间对齐生成兼容 Praat 的 TextGrid，人工检验与补全优化切分精度，再用专用 Praat 脚本在 3 个分析窗口提取同一套测量。第 4 段是统计与目标：用广义线性混合模型检验任务类型与辅音丛等因素，目标是刻画 DDK 表现的发育轨迹，并为后续老人与患者比较准备同方法口径。

MonPaGe × Boutchou： MonPaGe 负责提供成人法语运动性言语障碍评估的原始框架，包括感知与声学评估的 7 类任务逻辑；Boutchou 负责把这套框架适配给 2.6 至 6 岁幼儿的注意、理解与发音能力。二者搭配的理由是直接比较儿童与老人需要任务尽可能相似，同时必须适配被试的功能特点，组合意义是保留可比的构念与流程，又改写指导语、材料难度和采集方式以保证幼儿可完成。

复述时要注意依赖顺序。先有可比性约束，才有保留七项任务构念的选择；先有幼儿可行性约束，才有改写指导语与采集流程的必要；先有统一标注与统一窗口，才有跨年龄与跨组比较的意义。如果把顺序颠倒，先谈混合模型显著，再补标注细节，就会让初学者误以为显著性来自模型本身，而忽略口径统一才是前提。

DDK 任务内部有哪些成分？AMR 与 SMR 如何分工？

DDK 的白话解释是交替运动速率任务，英文为 oral diadochokinesis，缩写 DDK。做法是要求被试尽可能快而稳地重复无意义音节序列，记录速度、规则性与错误。AMR 白话是单音节交替运动速率，英文为 alternating motion rate，做法如重复 pa-pa-pa；SMR 白话是序列交替运动速率，英文为 sequential motion rate，做法如重复 pa-ta-ka。论文的初步分析明确区分 AMR 与 SMR 两种任务类型，并报告任务类型显著影响表现。

AMR × SMR： AMR 负责度量单一音节的快速重复能力，即同一个音节连续复现时的速度与稳定性；SMR 负责度量音节序列的交替能力，即不同音节按固定顺序轮换时的计划与切换。二者搭配的理由是前者更偏执行速度，后者更偏序列组织，对比两者可以分离单纯快慢与切换代价，组合意义是本文用任务类型显著影响表现来说明不能把两种交替任务混为一个语速分。

另一组关键成分是音节结构，特别是是否存在辅音丛。白话即音节开头或内部是否出现连续辅音，法语例子在原文未逐字给出，此处不补充具体刺激表。论文报告辅音丛的存在显著影响 DDK 表现，说明材料语音复杂度本身就是实验条件，不能视为随机噪声。复述时要把任务类型与材料复杂度作为两个正交维度：前者改变计划切换需求，后者改变单个音节的发音难度。

第 3 个成分是测量窗口。论文专用脚本从 3 个时间窗口提取同一套测量：全部产出、前 4 秒、前 6 个可用音节。这样设计的原因是幼儿产出长度不一、起始犹豫与疲劳尾段都会污染全程均值；固定时长窗口控制时间暴露，固定音节数窗口控制有效样本量，全程窗口保留整体能力。三者并列可以检验结论是否依赖窗口选择，而不是只挑最有利的窗口报告。

标注链如何从波形走到可计算的时间测量？

输入是儿童 DDK 录音波形，目标是得到可计算的音节边界与时间测量。第一步是预处理中的自动时间对齐，经 WebMAUS 生成可在 Praat 中打开的 TextGrid 标注文件。白话即算法先按期望音节序列给出每个音节大致起止时间，免去从零逐段标注。第二步是人工检验与补全，研究者听录音并查看语图与波形，修正自动边界、标记不可用段、补全漏标。原文明确说这一步是为了优化切分精度，这对幼儿数据尤为重要，因为构音错误、停顿、重叠与背景噪声都会让自动对齐偏移。

WebMAUS 对齐 × Praat 人工核对： WebMAUS 对齐负责给出初步的时间对齐，即自动把音频与目标音节序列对应到时间轴并生成可在 Praat 读取的 TextGrid；Praat 人工核对负责修正边界与补全标注，即听辨与看谱图结合调整自动切分偏差。二者搭配的理由是幼儿发音变异大、错误多，纯自动切分精度不足，组合意义是以同一套修正后标注为基础，让总量、前 4 秒与前 6 个可用音节 3 个窗口的测量口径一致。

第二遍走查要确认表示的一致性。同一套测量在 3 个窗口重复提取，意味着脚本不为每个窗口写不同指标定义，而是同一指标函数分别作用于不同时间区间。这样后续比较窗口间差异时，差异只能归因于区间选择与数据可用性，而非指标定义漂移。初学者常犯的错误是把前 4 秒语速与前 6 个音节语速直接平均，正确做法是分别报告并说明各自的纳入规则与缺失处理。

需要指出的缺项是原文证据未给出表 2 的完整指标清单、脚本阈值、 TextGrid 层级命名与不可用音节判定细则。本解读不从 Praat 脚本名称推定具体算法参数，也不猜测音节核检测器的实现细节，这些属于未报告项，复现时需向作者索取脚本与标注手册。

本研究有没有训练神经网络？实际计算过程是什么？

本研究没有训练神经网络，也没有报告优化器、损失函数、梯度路径、参数冻结或重置机制。training 一节在此等价于数据构造与测量计算流程，必须明确说明未训练哪些模型，再讲实际发生的计算。未训练的是任何声学模型、切分模型或评分模型；调用的是既有工具 WebMAUS 做时间对齐，以及自研 Praat 脚本做测量提取，这些属于推理与规则计算，不是本研究内的模型训练。

实际计算过程可复述为 5 步。第一步采集：在适配后的七项任务框架下录制幼儿言语，DDK 为其中一项。第二步初测：听录音估计构音语速，作为首批定量预览。第三步对齐：用 WebMAUS 对 DDK 音频做时间对齐，输出 TextGrid。第四步修正：人工检验与补全边界，确定可用与不可用区间。第 5 步度量：运行 Praat 脚本，在全部产出、前 4 秒、前 6 个可用音节 3 个窗口提取同一套时间测量，并另行统计错误数量与性质，最后用广义线性混合模型检验因素效应。

不能把无训练等同于确定性求解。人工修正引入判断变异，对齐工具在不同音频质量下表现不同，窗口纳入规则影响样本量，因此同样录音在不同标注者或不同版本脚本下可能得到略有差异的测量。复现时应固定工具版本、脚本版本与标注手册版本，并记录 2 次标注一致性。

数据、协议与比较条件如何组织？

数据按问题组织。测什么：幼儿在 DDK 任务中的言语运动控制，操作化为时间测量加错误数量与性质。与谁比：首先是幼儿内部比较，即 AMR 与 SMR 任务类型之间、有无辅音丛的材料之间、不同年龄之间；远期才是用同样方法比较健康老化老人与帕金森患者，但该比较在本文阶段尚未报告数据。条件是否一致：关键在于同一标注修正流程与同一 Praat 脚本、同一三窗口口径应用于所有被试，否则跨年龄差异可能混入方法差异。

为回答比较是否公平，先看下表提出的问题。表前问题是样本与工具口径是否对齐：年龄覆盖是否连续、来源工具是否同一、首批样本量是否为 97、对照先例的年龄段是什么、指标方向是越快越好还是越规则错误越少越好。公平条件要求区分 AMR 与 SMR 分开报告，区分有无辅音丛分开报告，区分窗口分开报告；指标方向不能单一化为越快越好，因为幼儿阶段规则性与准确性可能比速度更敏感。

表后解释需要同时说明收益与代价。主要收益是年龄下探到 2.6 岁并保留与成人框架的可比构念，首批 97 人为法语幼儿 DDK 提供了稀缺起点；具体代价是幼儿错误多、变异大，听觉语速初测只能算预览，必须补做统一声学测量与错误分类，否则速度指标会掩盖准确性发展。未胜出项在此体现为单纯语速方案：它在成人中常用，但在 3 至 5 岁可能不是最敏感指标，论文因此明确转向质性错误分析。未评测边界是老人与帕金森数据尚未纳入，逆行发生判断目前不能做出。

资源状态必须如实说明。本次收到的证据中没有绑定且完成网络验证的代码、模型或数据资源，不得声称脚本、标注数据或工具已公开。复现者应按缺项处理，通过联系作者获取表 1 人口学分布、表 2 任务参数与指标清单、图 1 听觉语速分布，以及 Praat 脚本与标注手册。

初步结果显示了什么？支持什么判断？

论文直接报告的初步结果有两层。第一层是可行性：七项改编在约 100 名儿童中试测，被表述为结论性的可行，首批 97 人的 DDK 数据已完成听觉构音语速的定量预览。第二层是因素效应：初步广义线性混合模型显示任务类型 AMR 与 SMR 以及辅音丛的存在显著影响 DDK 表现。原文未给出效应量、置信区间、p 值表格或常模数值，因此本解读不转写任何未出现的数字，不把显著表述扩展为具体快慢差。

语速 × 错误质性分析： 语速负责给出单位时间产出量，即听觉或声学时间测量导出的快慢指标；错误质性分析负责说明错在哪里，即错误数量与构音错误性质、规则性变化。二者搭配的理由是 3 至 5 岁阶段文献提示进步主要体现为准确性与规则性而非单纯加速，组合意义是避免只用速度排序儿童，后续分析把时间测量与错误类型并列作为发育轨迹证据。

有限解释是这些结果支持把 DDK 拆分报告，而不是支持某个年龄常模点。任务类型显著意味着 AMR 与 SMR 不能互换；辅音丛显著意味着材料复杂度必须作为分层变量；结合 3 至 5 岁准确性优先的文献，支持后续同时报告时间测量与错误质性分析。若重提可行性结论，需增加新对照：可行不仅指录到了音频，更指自动对齐加人工修正后 3 个窗口都能产出同一套可比较测量，否则可行判断只停留在采集层。

为讲清测量口径的公平性，下表把分析窗口与处理步骤并列，问题是不同窗口是否在同一标注基础上给出同一套测量。公平条件是同一修正后 TextGrid、同一脚本、同一指标定义分别作用于 3 个区间；指标方向需按指标分别说明，速度类越快可能越好，变异类越小越好，错误类越少越好，不能统一为越大越好。

表后解释要给出代价与反例。主要收益是三窗口设计可检验结论稳健性：若某效应只在全程出现而在固定窗口消失，则可能受产出长度或尾段疲劳驱动，而非能力差异。具体代价是人工修正成本高、可用音节判定带主观性，前 6 个可用音节在错误多的幼儿中可能对应很长的原始时长，与前 4 秒不可直接换算。反例是若只看全程语速，可能把起始犹豫长的儿童误判为慢，而固定窗口能部分校正这种偏差；但固定窗口又会丢掉持久性信息，因此三者缺一不可，未胜出的是任选其一的简化报告。

如果拿掉某一环节，结论会失去什么支撑？

论文没有神经网络消融实验，本节按等价的环节对照展开，即比较不同协议选择下的信息损失。第一个对照是听觉语速初测与声学三窗口测量的差别。前者只给快慢预览，优点是快速可行，缺点是无法分离边界误差、停顿策略与真实构音速度，也无法量化规则性；后者通过统一标注与固定窗口把这些因素显式化，但需要对齐工具与人工成本。若拿掉声学升级，任务类型与辅音丛的显著性可能仍会出现，但无法判断效应来自速度还是错误与停顿结构。

第二个对照是单窗口与三窗口的差别。若只保留全部产出，产出长度差异会污染比较；若只保留前 4 秒，持久性与疲劳信息丢失；若只保留前 6 个可用音节，有效时长在不同儿童间不可比。三窗口并列不是重复测量凑数，而是对同一能力的不同切面，拿掉任一窗口都会让稳健性检验缺一角。

第 3 个对照是只报速度与兼报错误的差别。按引用的发育特点，幼儿进步可能体现为错误减少与节律变稳，而非加速。若拿掉错误质性分析，就会把有进步但速度不变的儿童误判为无变化，这是本文明确要避免的简化。原文未报告拿掉某环节后的数值变化，因此本节只讲机制上的信息损失，不虚构消融数字。

哪些边界尚未验证？不能推出什么？

直接报告与有限解释要分开。直接报告的是改编可行、97 人首批听觉语速预览完成、任务类型与辅音丛显著、处理线已切换到 WebMAUS 加人工修正与三窗口统一测量。有限解释是这些工作使发育轨迹刻画成为可能，并为后续老人与帕金森比较准备了同方法口径。未验证推测是逆行发生是否成立，目前没有老人数据，不能做出支持或反对的判断，相关性更谈不上因果。

缺失证据不是技术错误，但必须点名。缺的是表 1 的年龄分组分布、表 2 的完整 DDK 参数与指标定义、图 1 的分布形态、混合模型的具体公式与随机效应结构、错误分类体系与一致性数据、工具与脚本版本。这些缺项意味着读者现在能复述流程方向，但不能逐参数重跑。

不能推出的有三点。第一，不能把显著影响推出为常模阈值，没有分年龄均值与离散度就不能做临床划界。第二，不能把总体趋势推出为每个儿童都单调进步，原文已强调个体内与个体间变异大。第三，不能把采集可行推出为低成本可部署，未测量标注工时、设备要求与误判率，就不能承诺效率或准确性改善。训练资源、推理开销、输出帧率与实际延迟在本研究不适用，相关成本应转述为人工修正工时与采集配合成本，但原文未量化，故只能定性指出。

要复现这条处理线，先做什么、需要补哪些验证？

复现先做三件事。第一，索取并冻结材料：七项改编中的 DDK 指导语、示范方式、目标音节表、有无辅音丛的材料划分，以及不可用试次的剔除规则。第二，冻结标注口径：WebMAUS 版本与语言模型、TextGrid 层级、边界判定规则、可用音节定义、Praat 脚本版本与三窗口提取逻辑。第三，冻结统计口径：广义线性混合模型的因变量是哪些时间测量与错误计数，固定效应是否包含年龄、任务类型、辅音丛，随机效应是被试还是试次嵌套，年龄按连续还是分组进入。

关键超参数与信息条件在原文证据中未完整给出，因此复现清单应明确标为待补：对齐容差、静音阈值、语速计算分母是否含停顿、错误类型标签集、双人标注一致性口径。这些不是可选项，而是决定数字能否对齐的必要条件。

还需补两项验证。一项是窗口稳健性验证，同一效应在 3 个窗口是否同向，差异如何解释；另一项是错误分析信度验证，不同标注者对幼儿构音错误的判定是否一致。若只复现出显著方向而复现不出跨窗口稳定性，应优先检查标注与纳入规则，而非直接质疑发育假设。资源可用性按证据如实表述：本次未发现可验证的公开代码、模型或数据链接，不得写已公开或当前可用。

何时值得借用这套做法？记住哪条误解红线？

何时值得尝试有 3 个条件。第一，你的比较涉及不同年龄或临床组，且需要同一构念下的可比任务，这时保留框架、改写适配的思路比另起一套任务更合适。第二，你的被试是幼儿或配合度受限人群，且构音错误多，这时自动对齐加人工修正与三窗口统一测量的组合比单一全程语速更稳健。第三，你关心的发育变化可能不在速度上，这时必须并列错误数量与性质，否则会漏掉主要信号。

论文特有的误解需要用自然段澄清。最常见的误解是把 DDK 等同于比快，认为每秒音节越多发育越好。原文证据恰好提醒相反方向在幼儿阶段可能更重要：准确性与规则性改善可以不伴随加速，任务类型与材料复杂度又显著改变表现，因此任何单数字排序都必须注明任务类型、材料与窗口，否则比较不公平。另一个误解是把可行性等同于常模建成，本文首批 97 人只是起点与方法验证，常模需要更大样本、分年龄报告与信度数据，目前尚未给出。

收束时回到可复述的方法句。研究者把成人 MonPaGe 的七项任务改给 2.6 至 6 岁法语幼儿，在 97 名典型发育儿童中先做听觉语速预览，再用 WebMAUS 生成 TextGrid 并人工修正，用同一 Praat 脚本在全部产出、前 4 秒、前 6 个可用音节提取同一套测量，兼做错误分析并用混合模型检验任务类型与辅音丛效应，最终为与健康老人和帕金森患者的同方法比较铺路。这句话中每个分句都能在原文找到对应，拿掉任一分句都会让后续判断失去前提。

⚖️ 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