重音位置决定成败：法语初学者俄语词重音为何首音节偏强、弱化元音分不清

英文题目：Acquisition de l’accent lexical en russe langue étrangère chez des apprenants francophones débutants : une étude pilote de la production

会议身份：conference:jep:2026:conference-paper-id:stinchkum26_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 #韵律 #语音属性识别

评分：4.9/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 0.7/1.5 | 清晰度 0.8/1 | 影响力 0.6/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.5/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Anna Stinchkum：机构信息未能从会议 PDF 纯文本可靠映射
• Thi Thuy Hien Tran：机构信息未能从会议 PDF 纯文本可靠映射
• Tatiana Aleksandrova：机构信息未能从会议 PDF 纯文本可靠映射
• Silvain Gerber：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本研究处理法语母语初学者朗读俄语双音节与三音节最小对立词的词重音产出任务，输入为嵌入载体句并显性标注重音位置的朗读语音，输出为时长、基频、强度与元音共振峰是否正确标记重音，难点在于法语边界重音与俄语自由对比重音加元音弱化体系冲突，易引发母语筛滤与跨语言迁移。采集阶段以载体句Скажи…тихо控制韵律边界并经消声室三次重复朗读获取可比语料，其语音输出进入声学测量阶段。测量阶段经Praat手动校对音节切分并提取时长与基频与强度及中点第一第二共振峰，其归一化参数输出进入统计建模阶段。建模阶段以线性混合模型检验重音条件与音节位置效应，并以嵌套模型比较与多重比较校正确认位置主效应。与以时长为核心的俄语母语模式不同，学习者以位置性强度突显替代词汇性重音标记，兼具跨语言策略意义。在双音节词载体句朗读任务条件下，末重音基频对比的检验指标z值为2.317，高于重音与非重音总体对比的检验指标z值-2.037。三音节词中末重音音节虽长于中部非重音音节但仍短于首部非重音音节，且非重音元音在共振峰空间高度重叠，表明弱化尚未习得。结论适用边界受限于四名女性法语初学者俄语第三或第四语言受控朗读场景，尚未验证自发语流、知觉能力与长时学习轨迹，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

法语者和俄语的重音为什么不在一个频道上？

这篇论文的输入是一项法语母语初学者产出俄语词重音的试点实验，目标是回答初学阶段学习者用什么韵律手段实现重音，以及重音位置如何改变策略。读者需要先保留的关键信息是：俄语重音是词汇性的、自由的、对立的，位置移动会改变词义；法语重音不是词汇对立，主要落在节奏组末尾起边界作用。作者把任务限定为产出，不是感知，不是教学效果比较，也不是提出新的自动重音检测模型。

白话说，词重音（lexical stress）就是词典里自带的重音，读错位置别人可能听成另一个词。边界重音就是说话时为了断句、收尾而加在末尾的重音，不区分词义。法语传统上被描述为边界语言，重音实现主要靠基频（f0，也就是听感上的音高起伏）和末音节拉长，还有一种可选的词首重音，主要靠基频和强度（intensity，声音能量），一般不拉长元音，且在与末重音冲突时会让位。俄语则相反，重读音节靠时长（duration）为核心线索，同时与元音音质紧密互动，非重读元音要按规则弱化，重读元音保持完整。

词重音 × 边界重音： 词重音指俄语中附着在特定音节上、能区分词义的词汇属性，如пла́чу与плачу́靠重音位置区分哭与付款；边界重音指法语中落在节奏组末音节、起划分边界作用的短语属性。两者分工不同：前者是词库里的对比特征，后者是韵律结构标记。搭配理由是法语母语者会把母语的边界策略套到俄语词上，组合意义在于解释为何法语者难以把重音当作稳定的词属性来编码和产出。

举一个论文给的例子帮助理解，但这只是教学例子：俄语молоко́牛奶一词，末音节 o 重读保持完整 o，前两个 o 在非重读音节弱化为央元音ɐ或ə，而且离重音越远弱化越强。法语学习者要过的坎因此是双重的，既要记住重音放在哪个音节，又要学会用目标语看重的时长加音质来做出来，而不是用法语习惯的音高加末拉长来应付。原文强调这种类型差异可能构成重大障碍，这为后面的 4 个假设埋下动机。

前人把口音难学归因于什么？

相关路线首先是母语过滤思想。论文引用特鲁别茨科伊的音系筛（crible phonologique），意思是外语声音会被母语范畴过滤；用在重音上，如果母语里重音不区分词义，学习者可能根本不把重音当作词的属性来存，这与法语者的重音聋（surdité accentuelle）研究相连。感知跟不上，产出就会用母语的韵律套路替代，这被作者称为对比分析假说意义上的迁移。

第二条路线是感知与产出挂钩的模型。论文引用知觉同化模型（Perceptual Assimilation Model，简称 PAM）及其超音段扩展（PAM-S），以及言语学习模型（Speech Learning Model，简称 SLM）。白话说，这些模型认为外语的语音细节会被同化到母语范畴，从而影响产出时用哪个线索、用多重。落到重音上，困难不只是放错位置，更是用错线索：学习者倾向挑自己熟悉、显著的线索，而冷落目标语的核心线索。

第 3 条路线是第三语言习得的跨语言影响。因为法语者学俄语常常是第三或第四语言，除母语外，之前学过的英语、西班牙语、德语、意大利语都可能提供线索。论文指出 PAM 和 SLM 原本为第二语言设计，但近年工作把它扩展到第三语言，学习者可能更依赖最近学的第二语言范畴。因此本研究把强度偏好解释为多源迁移时，需要同时排除单纯法语解释，这是与只做母语对目标语二元对比的研究在输入条件上的不同。

这项试点到底要检验哪四个具体预测？

论文把问题收敛为 4 个可检验的假设。第一个假设是总体困难：初学者在时长、基频、强度上都难以稳定区分重读与非重读音节。第二个假设是位置便利：词末重音会因为与法语末重音图式兼容而产出得更符合目标语，属于正迁移预测。第三个假设是线索层级错位：学习者会优先用在俄语中不居核心的强度，尤其受先前外语影响。第 4 个假设是弱化滞后：非重读 a、ɐ、ə之间声学区分弱，而重读 o 相对稳定。

这 4 个假设分工明确。第一个管有没有困难，第二个管哪里更容易，第三个管用什么手段替代，第 4 个管音质维度是否跟上。读者复述时不要把第二个假设记反：它预测的是末重音更容易，而不是首重音更容易，后文结果恰恰是没有证实这一点。同样不要把第三个假设记成学习者完全不用强度，原文预测的是偏好非核心线索强度，而不是强度完全无效。

从进实验室到拿到数字经历了哪几步？

方法全景可以沿一个试次走一遍。参与者先接受流程讲解和西里尔字母熟悉，包括练习项，以降低正字法不熟对发音的干扰。然后屏幕以西里尔字母随机呈现目标词，词的重音位置被明确标出，这符合针对初学者的俄语外语教学惯例。参与者把目标词读进中性载体句Скажи́ … ти́хо（轻声说……），目的是避免孤立词的特殊韵律，并保持音段和韵律语境恒定。要求自然语速、无句内停顿，读错可重读，全程约 10 分钟，有休息。

录音在 GIPSA 实验室消声室完成，设备为 PMD 661 数字录音机加 AKG C1000S 外接话筒，距嘴约 15 到 20 厘米。随后用 Praat 做目标词检测与自动切分，音节边界人工核查调整，每个音节自动提取时长、基频、强度并人工复核，音节时长做归一化以减少语速个体差异。含 o 弱化的词对再在元音中点测第一、第二共振峰（F1、F2），以减少协同发音影响，并对照预期音位目标解释。统计在 R 中用线性混合模型进行，固定效应为音节位置与重音条件，随机效应为被试与刺激项，用 lme4 拟合、嵌套模型比较检验固定效应、DHARMa 检查拟合、多重比较按 Hothorn 等人方法校正。这条链条的输出就是后文按双音节、三音节分别报告的时长、强度、基频与共振峰结果。

刺激和被试是如何构造的？

刺激组件的核心是最小对立。材料为 20 个最小对，重音位置不同则词义不同、拼写相同，共 40 个词项，双音节 20 个，如до́ма在家对дома́房子们，三音节 20 个，如доро́га路对дорога́珍贵的。每个词重复 3 次，每人共 120 次产出。这种设计把词义、拼写、载体句都固定住，只让重音位置变化，从而把位置效应分离出来。

被试组件是 4 名 18 到 19 岁的法语母语女大学生，均在格勒诺布尔阿尔卑斯大学就读，3 人是一年级应用外语俄语初学方向，1 人是历史专业选修俄语。学俄约半年，未去过俄语国家，俄语为第三或第四语言，先前外语包括英语、西班牙语、德语、意大利语，多为学校习得，英语为共同项。每周接触俄语 3 人约 10 小时，1 人约 3 小时。水平没有用标准化测试，而是按初学课程注册加学习时长与接触量估计。样本小是试点性质决定的，后文讨论明确要求谨慎解读。

时长 × 元音弱化： 时长指重读音节在时间上拉长，是俄语词重音的核心声学线索；元音弱化指非重读元音向央化、短化实现，如молоко́中前两个 o 弱化为ɐ或ə。两者分工是时长提供节律凸显，弱化提供音质对比，搭配理由是俄语靠时长与音质协同来标记重音，组合意义在于只拉长而不弱化就不能算掌握了俄语重音系统。

理解这组搭配才能明白为什么论文既测时长又测共振峰：时长告诉你重音有没有被拉长，弱化告诉你非重读元音有没有按规则变质，两者缺一都会误判为学会了重音。

声学指标各自测量什么、如何判定重音？

时长组件测音节整体时长并归一化，判定逻辑是重读音节应显著长于非重读音节，俄语文献预期可达 1.5 到 2 倍。强度组件测能量高低，判定逻辑是若强度随重音走则是词重音线索，若随位置走则是节奏标记。基频组件测音高，判定逻辑类似，法语习惯会让基频在边界处起伏，俄语词重音则不主要靠它。共振峰组件在元音中点测 F1、F2，F1 大致对应开口度，F2 大致对应前后位置，判定逻辑是重读 o 应独立成区，非重读 a、ɐ、ə若混叠则说明弱化未建立。

强度 × 基频： 强度指发音能量大小，基频指声带振动率决定的音高。法语边界重音主要靠基频变化加末音节拉长，俄语词重音主要靠时长加音质，强度在俄语中不是中心线索。搭配理由是初学者会从自己熟悉的语言曲库里挑最顺手的线索来用，组合意义在于检验学习者是按目标语层级用线索，还是按迁移来的习惯用线索。

这组对比的教学价值在于纠正初学者直觉：声音大不等于重读对，音高高也不等于重读对，关键要看该线索是否跟着重音条件走，还是跟着第几个音节走。论文的统计正是按位置与重音条件两个解释变量来拆分这种跟随关系的。

本研究有没有训练模型？实际计算是什么？

本研究没有训练任何神经网络，也没有冻结与更新权重、梯度路径、优化器步骤可报告。这不是技术缺失，而是设计使然：它是一项人类产出实验加声学统计分析。真实计算过程是信号处理加统计推断。信号侧用 Praat 脚本做目标词检测、音节切分与声学参数提取，人工核查边界与提取可靠性；共振峰只在含 o 弱化的词对上于元音中点取值。统计侧在 R 中拟合线性混合模型，参与者与刺激项为随机效应，位置与重音条件为固定效应，通过嵌套模型比较做显著性判断，并做拟合诊断与多重比较校正。

需要明确的缺项是：论文未报告具体的归一化公式、Praat 提取窗长与基频算法阈值、R 模型公式与随机斜率结构、效应量与置信区间。这些缺项意味着他人复现时需要按常规做法补齐细节并明确记录，不能从软件名称推定参数。由于没有模型训练，也就不存在训练资源、推理延迟、帧率的讨论，把无训练等同于结果确定是不对的，统计显著性仍受样本量与重复结构限制。

实验条件如何保证可比，代价是什么？

公平比较条件主要靠三处控制。一是载体句固定为Скажи́ … ти́хо，避免孤立词重音与句末语调混淆，并保持前后音段环境一致。二是呈现顺序随机、每词 3 次重复，以平衡顺序效应并估计稳定性。三是重音位置明确标出加读前熟悉西里尔字母，以分离正字法困难与音系困难。但作者也承认阅读流利度没有专门控制，熟悉阶段只能减弱影响，不能消除影响，这为后文把弱化困难部分归因于阅读任务留下依据。

录音环境与设备统一，消声室加固定话筒距离，减少混响与增益差异。切分与测量流程统一，时长归一化减少语速差异。统计上把参与者与刺激项作为随机效应，考虑重复测量结构。这些控制的代价是生态效度受限：朗读标注重音的载体句不等于自发对话，初学者在明确提示下仍做不好，恰恰说明困难不在不知道重音在哪，而在不知道用什么声学手段做出来。

下表把材料与被试的关键规模信息放在一起，便于核对复现时是否凑齐了同样的试次量与学习背景。下表比较的问题是：在多大样本与多大材料量上得到结论，公平条件是载体句与重复次数一致，指标方向是规模越大、背景越同质则试点结论越稳。

表后需要说明主要收益与具体代价。收益是 40 词乘 3 次乘 4 人共 480 次产出的重复结构，足以在混合模型中分离位置与重音效应，且最小对设计让位置成为唯一词义变量。代价有三：一是样本仅 4 人且全为年轻女性，无法推广到不同年龄性别与水平；二是接触量不均且无标准化水平锚定，个体差异难以量化；三是朗读标注重音任务减轻了记忆负担，却引入了字母熟悉度干扰，作者明确指出阅读流利度未专门控制。未胜出或未评测的边界是自发语、重复跟读、无重音标注条件都没有测，因此不能把朗读结论直接推广到自然对话。

时长与强度跟着重音走还是跟着位置走？

先看时长。双音节词中重音对音节时长没有显著影响，无论音节在词中第几位，检验报告为不显著。三音节词中位置对时长有显著影响，首音节无论重读与否都系统性长于后面音节，表现为强烈的首位置效应，作者推测这可能是朗读长词时的起始拉长策略。当重音落在末音节时，末音节显著长于中部非重读音节，说明时长在末位置可被调用，但即使重读，末音节仍短于首部非重读音节，位置主导依然成立。

再看强度。双音节词中首音节强度系统性高于第二音节，与是否重读无关，说明学习者把强度当作首位置标记而非词重音线索。三音节词中第二音节强度高于其他音节，同样与重音状态无关，强度再次表现为位置或节奏标记。这两处结果共同支持第三个假设：强度是被优先调用的替代线索，但它不追踪重音。

知觉同化模型 × 跨语言迁移： 知觉同化模型指非母语语音会被套进母语范畴来感知和排序，跨语言迁移指把母语或已学外语的产出策略搬到新语言。两者分工是前者解释范畴建立的困难，后者解释产出偏好的来源，搭配理由是本研究对象学俄语为第三或第四语言，英语、西班牙语等第二语言也可能提供强度线索，组合意义在于把首音节偏强解释为多源迁移而非单纯法语影响。

下表把时长与强度的主要统计放在一起，比较问题是哪个线索追踪重音、哪个追踪位置，公平条件是同一批载体句朗读与混合模型结构，指标方向是显著性越小、效应越稳定则越支持该线索被系统使用。

表后解释主要收益与代价。收益是位置效应在时长与强度上高度一致，首部偏强、末重音弱标记的模式跨指标重复出现，支持第一个假设的总体困难判断，也否定了第二个假设的末位置便利预测：末重读虽有拉长，但不足以让末音节凸显。代价是时长只在三音节末位置显著，说明时长尚未成为稳定的重音编码，学习者更多靠位置套路应付。未胜出项是时长在双音节中完全不显著，这是全文最直接的负结果，复述时必须保留，不能只讲显著的末位效应。

基频方面总体无显著重读与非重读差异，仅末重音有轻微偏高的趋势但不显著，三音节中只有首重读音节的基频显著高于非重读音节，中部与末部重音无类似效应。这进一步说明基频也没有被用作可靠的词重音线索。

下表把强度与基频的剩余关键数字放在一起，比较问题同上，公平条件同上，指标方向同上。

表后需要点明反例与限制。反例是首重读在三音节中基频显著，这看起来像学会了，但它恰好与首位置偏强重合，无法分离是重音效应还是位置效应，作者因此不把它当作掌握词重音的证据。限制是基频测量易受载体句语调与个体音域影响，论文做了归一化与随机效应，但样本小使趋势性结果不稳定，末重音基频趋势不能解读为显著。

为直观理解音质维度，先看双音节元音空间的散点分布导读。本图横轴为第二共振峰，纵轴为第一共振峰，颜色区分 4 个元音，实心为空心区分重读与非重读，观察重点是右上重读簇是否独立、中下非重读簇是否混叠。

看图路径： 1. 先看左上图例区分颜色代表的四个元音与实心空心代表的重读与非重读；2. 再看横轴第二共振峰与纵轴第一共振峰的分布方向，注意纵轴向下数值增大；3. 比较右上黑色实心点簇与中下红绿蓝空心点簇的重叠边界；4. 记录重读 o 是否独立成簇而非重读 a、ɐ、ə是否混在一起

论文图 1。原论文 Figure 1：“Nuage de points F1-F2 des voyelles /a/, /o/, /ɐ/, /ə/ en position accentuée et non”。

图中可见内容支持正文判断：右上黑色实心点聚成相对紧密的重读 o 簇，符合完整元音目标，而中下部红绿蓝点广泛交错，非重读 a、ɐ、ə之间没有清晰边界。这种分布说明双音节中学习者对重读 o 有部分敏感，但非重读元音未分化，产出更多依赖首部强度凸显而非音质对比。像素不能读出精确共振峰数值时不要硬写，只报告簇的分离与重叠关系，并明确归因于原文的弱化分析。

拿掉词长这个条件，弱化困难还成立吗？

把词长当作对照条件来看，双音节与三音节构成一组自然的难度梯度。双音节中重读 o 相对独立，非重读三者重叠；三音节中连重读 o 也与他者大幅重叠，复杂度上升后音质目标全面不稳。这说明弱化困难不是偶发，而是随词长增加而加重，支持第 4 个假设。论文把弱化称为界面现象，需要协调重音位置、时间控制与频谱分化，初学者难以一步到位。

重读元音 × 非重读元音： 重读元音指承载词重音、应保持完整音质的元音，如重读 o；非重读元音指不承载重音、应按距重音距离弱化的元音，如 a、ɐ、ə。两者分工是共同定义弱化是否实现，搭配理由是只看重读元音清楚不够，还要看非重读元音是否分开，组合意义在于用共振峰重叠度直接判断弱化规则是否进入学习者的音系。

三音节元音空间的导读如下。本图标题明确为三音节元音空间，坐标与图例与双音节图一致，横轴第二共振峰，纵轴第一共振峰，颜色与实空心含义相同，观察重点是重读点是否仍独立以及混合程度是否大于双音节。

看图路径： 1. 先确认标题三音节元音空间与左上同样的颜色和实空心图例；2. 再看黑色实心重读点是否仍聚在右上还是散落到中部；3. 比较红绿蓝非重读点与黑色重读点的混合程度是否大于双音节图；4. 观察纵轴 700 赫兹附近低元音区是否出现多类元音堆叠

论文图 2。原论文 Figure 2：“Nuage de points F1-F2 des voyelles /a/, /o/, /ɐ/, /ə/ en position accentuée et non”。

图中可见黑色实心重读点不再局限于右上，而是散落到中部与红绿蓝点混合，纵轴中低元音区出现多类元音堆叠，非重读三者本就重叠，现在连重读 o 也加入重叠。这种从部分敏感退化为全面不稳的变化，正是原文所说三音节中即使重读 o 也高度重叠的像素证据。它同时反证时长与强度的首部策略没有带来音质收益，位置做对了不等于弱化做对了。

需要补充的失败条件是：论文没有做去掉正字法的对照，例如听后重复任务，因此无法量化多少重叠来自字母干扰、多少来自音系未建立。作者只提出未来可用口头重复来限制正字法影响，这属于待验证的改进，不是已验证的因果。同样，强度偏好被解释为英语、西班牙语、意大利语的迁移，但研究没有按第二语言背景分组比较，也没有测这些语言的强度使用，因此迁移解释是有限解释而非直接证据，复述时要用支持而非证明的措辞。

哪些结论现在还不能下？

最直接的限制是样本量。4 名被试的试点只能呈现一致趋势，不能做总体推广，作者明确要求谨慎解读。性别、年龄、接触量、第二语言组合都高度同质或不均，个体策略可能主导均值，混合模型虽纳入随机效应，但小样本下显著性与稳定性都有限。

第二是任务效度。朗读标注重音的载体句减轻了回忆重音位置的负荷，测到的是实现手段而非词库记忆；同时西里尔字母熟悉度未专门控制，阅读流利度可能污染时长与音质。没有无标注、听后重复、自发语的对照，就不能断定困难全来自音系，也不能把朗读结论推广到日常交流。

第三是证据层级。位置效应与线索错位有直接统计报告，属于论文直接报告；末位置不便利的解释引用 PAM-S 与 SLM 的范畴同化，属于有限解释；多源迁移到具体第二语言的归因没有分组证据，属于待验证推测。相关性不等于因果，未测量可懂度、误判率、教学干预效果时，不能承诺纠正强度偏好就能提升可懂度，也不能承诺显性教学必然有效，原文只是强调显性教学的重要性作为教学启示。

要重做这项实验需要凑齐哪些条件？

复现先做三件事。第一是重建材料：20 个最小对共 40 词，双音节与三音节各 20 个，拼写相同仅重音位置不同致词义不同，例子可用до́ма对дома́、доро́га对дорога́，但需按原文词表补齐全部 20 对，不能只用这两个例子充数。呈现用西里尔字母随机 order，每词 3 次，每人 120 次，嵌入Скажи́ … ти́хо载体句并明确标出重音，读前做字母熟悉与练习。第二是重建被试条件：法语母语初学者，学俄约半年，每周接触量记录到小时，无俄语国家居留，记录完整的第二语言史，尤其英语是否共有。

第三是重建测量链：消声或安静环境固定话筒距离，Praat 切分加人工核查，每音节提时长、基频、强度并做时长归一化，含 o 弱化词对在元音中点提 F1、F2，统计用位置与重音条件为固定效应、被试与刺激为随机效应的混合模型。

还需补的验证有四项。一是扩大样本并纳入男性与不同水平，以检验首部偏强是否稳定。二是增加听后重复任务，与朗读对比以分离正字法影响。三是按第二语言背景分组或加测第二语言产出，以直接检验强度偏好的来源。四是单独操纵时长、强度、基频的感知权重，例如合成连续体，以确定产出偏好是否对应感知层级。资源状态方面，本次没有发现来源绑定且完成验证的公开代码、模型或数据，不得声称材料或脚本已公开，复现应按上述文字流程自行实现并记录缺失参数。

初学者和老师可以带走什么、带不走什么？

可以带走的判断有 3 条。第一，重音实现强烈依赖位置，首音节更长更强，末重音标记弱，这与法语末边界直觉相反，说明熟悉末重音不等于会做俄语末重音。第二，强度是被优先调用的替代线索，但它标记位置而非重音，双音节标首部、三音节标中部，这种错位同时不符合法语与俄语系统，更像从先前外语借来的节奏套路。第三，弱化是早期最难的一环，双音节时尚能保住重读 o，三音节则连重读 o 也混叠，非重读 a、ɐ、ə始终分不开。

带不走的是因果与处方。不能说强度偏好一定来自英语，不能说纠正强度就能提升可懂度，不能说显性教学已被证明有效，这些都需要干预与纵向数据。何时值得尝试本研究的思路：当你的学生也是以法语为母语、俄语为第三语言的初学者，且在朗读中出现首部偏强、末重音平淡、非重读元音含混时，可以按本文流程先做载体句录音，再看时长是否跟重音、强度是否跟位置、共振峰是否重叠，从而定位是放错位置还是用错线索。复述方法时记住 4 个数字锚点：20 对 40 词、每词 3 次每人 120 次、4 名 18 到 19 岁初学者、学俄约半年，这些是判断结论适用范围的边界。

📐 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 8 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