听觉反馈不一致时口腔如何调整：辅音语境与掩蔽噪声共同塑造元音适应

英文题目：Adaptation audio-motrice lors de la parole : impact de la conduction interne et du niveau de bruit de masquage

会议身份：conference:jep:2026:conference-paper-id:vancheri26_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：#心理声学实验 #发声与构音 #言语感知 #语音 #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 0.6/1.5 | 清晰度 0.7/1 | 影响力 0.6/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 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

• Raphael Vancheri：机构信息未能从会议 PDF 纯文本可靠映射
• Max Gensse：机构信息未能从会议 PDF 纯文本可靠映射
• Coriandre Vilain：机构信息未能从会议 PDF 纯文本可靠映射
• Nathalie Henrich Bernardoni：机构信息未能从会议 PDF 纯文本可靠映射
• Pierre Baraduc：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该研究处理听觉反馈中空中通道与内部传导不一致的难题，输入为法语伪词朗读中的目标元音发音，输出为预期性重校准即适应量及其向邻近元音的泛化，难点在于实时扰动只改变空中共振峰而骨传导信号不变，二者冲突会限制补偿并造成条件间差异。方法链前后衔接：先用屏幕呈现系列伪词并维持稳定发声以采集可比语音，再用改良实时跟踪系统仅在目标元音段施加渐进共振峰扰动，前一步的可比语音直接成为后一步扰动施加的对象。接着叠加不同等级言语形掩蔽噪声以改变内外反馈比例，最后将共振峰转换到听觉尺度并投影到以预试邻近元音为基准的无量纲轴上建模，扰动后语音直接进入掩蔽配比与归一化统计。与既往假定掩蔽充分的研究不同，该工作引入同部位双唇塞音的清浊与鼻音梯度来系统改变内部共振可听度，从而分离内部反馈对适应的抑制作用，具有澄清反馈权重归因的实际意义。定性上高掩蔽下适应呈现特定辅音排序而低掩蔽下该调节消失且适应整体变化并伴随邻近元音超构音，作者以外部归因差异解释该翻转。原文未提供可核对的关键定量结果。结论的适用边界受限于法语非央元音与实验室放大回放及有限掩蔽设置，尚未验证向自然对话与其他音系的外推，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

自己听到的声音为什么有两路？

输入是研究生刚接触语音产生控制时的常见困惑：说话人明明听到自己的声音，为什么实时改变耳机里的声音只能让发音部分改变。目标是把听觉反馈拆成两路来理解。本文必须保留的信息是空气传导声音可以被实验设备扰动，内部传导声音在共振峰扰动范式中保持不变。输出是一套可复述的因果链：双路不一致可能限制适应。 说话时听觉反馈这个白话说法指耳朵听到自己刚发出的音并送回大脑用于校正口部动作，英文为 auditory feedback。

它是言语运动控制模型中与本体感觉并列的一路反馈。内部传导这个白话说法指经颅骨、组织和腔体直接传到内耳的自我声音，常被称为骨传导，英文为 bone conduction / internal conduction。它不经过空气，也不经过耳机回路。

听觉反馈 × 内部传导： 听觉反馈指说话人听到自己声音后用于在线校正发音的听觉回路，内部传导指经颅骨和组织直接传入内耳、不经过空气的那部分自我声音；二者搭配的理由是实验只扰动空气声而不改变内部声，二者组合的意义是形成必然不一致的双通道误差，适应程度因此同时取决于外部扰动量和内部信号的可听度。

论文的起点是既有范式的局限。早期研究让被试耳语以减小内部传导，后来研究叠加掩蔽噪声并假定已经掩蔽掉内部声，但作者指出没有系统评估过掩蔽噪声水平和内外反馈配比的作用。另一条线索是内部声强度随音段变化，闭元音比开元音在内部更响，爆破音期间内部声保留前后元音之间的连续共振过渡，而空气声中这些过渡很弱。如果中枢能利用辅音段的内部共振判断发音器位置，那么目标元音的控制就可能受到前面辅音的影响。这就是全文要检验的核心矛盾。

这项研究接在哪些已有路线之后？

同输入同目标的路线是实时共振峰扰动下的听觉运动适应。被试朗读时设备实时测量并偏移共振峰，被试倾向于向扰动反方向改变发音以部分补偿，代表性工作是 Houde 与 Jordan 的开创实验及其后续综述。这条路线只扰动空气声，内部声自然成为未被控制的第二信号。 同监督但不同运行阶段的对照是耳语范式和掩蔽噪声范式。耳语降低声带振动带来的内部传导，掩蔽噪声试图盖住内部声。

作者引用 Villacorta 等人使用掩蔽的做法，指出文献通常把噪声称为足够掩蔽，却没有比较不同噪声水平。同输入不同目标的对照是内部声本身的测量研究，包括 Pörschmann、Reinfeldt、Rahman 与 Shimamura、Baraduc 与 Vilain 等人报告的音段依赖性，以及作者团队 2024 年用加速度计观察到的浊爆破音期间内部共振过渡。 因此本文不是重复验证扰动会导致补偿，而是把辅音语境和掩蔽水平作为两个可操作的旋钮，检验内外反馈配比是否调节适应的大小、保持和泛化。

这种定位决定了后文必须同时报告扰动方向、噪声水平、辅音条件和统计交互，而不能只报告平均补偿量。

要回答的具体问题是什么？

研究对象是非典型元音 /E/，记为 [E]，它在声学空间上位于 [e] 与 [a] 之间。扰动把它的第一共振峰提高、第二共振峰降低，听起来向 [a] 方向推，被试若要补偿就需要把发音向自己原来的 [e] 方向挪。问题有 3 层：被试是否发生适应并在撤除扰动后保持，前面辅音是 /p/、/b/ 还是 /m/ 是否改变适应，以及掩蔽噪声是高还是低是否改变上述辅音效应。

补偿 × 适应： 补偿指扰动正在施加时当下发音的动态偏转，适应指扰动经历之后提前改写的发音计划；二者分工是区分在线控制与可保持的塑性，搭配理由是只有撤除扰动后仍存在的偏转才能证明目标被改写，组合意义是本文用维持期变化量度补偿倾向，用后测残留量度真正的适应保持。

假设是方向性的。在高掩蔽下若仍能听到内部声，那么浊音和鼻音越强的辅音提供的位置信息越多，对外部扰动的依赖越小，因此适应应为 /p/ 最大、/m/ 最小、/b/ 居中。在低掩蔽下作者起初预期内部声更显著，但实际结果走向相反，这迫使讨论引入归因解释。理解这个反转是复述本文的关键，不能只记住高噪声下的排序。 泛化问题同样明确。

训练的只是 [iCEp] 中的 [E]，但前后测还包含邻近元音 [e] 和 [a]。如果中枢改写的是更大范围的发音目标或元音空间，那么未被直接扰动的 [e] 也可能移动，而 [a] 作为扰动方向的参照可能不动或出现不同走向。

整个实验流程如何走完一轮？

先沿一个被试走完全程有助于建立学习依赖。被试坐在屏幕前朗读一串伪词，形式为 iCèpe，读作 [iCEp]，其中 C 是分配给该被试的唯一目标辅音。屏幕偶尔把伪词显示为蓝色，被试此时不出声，这是维持注意力的幌子任务，也让被试不会刻意琢磨发音策略。声音经话筒进入 Audapter 软件，软件实时跟踪音段，只在目标元音 [E] 段内施加共振峰偏移，再与掩蔽噪声混合后经封闭耳机回放。 下面这张流程图把时间轴和每个阶段呈现哪些词讲清楚，是理解斜坡引入和后测分段的基础，请按阶段顺序阅读试次数与扰动曲线。

看图路径： 1. 先从左向右读出前测、斜坡、维持、后测 1 和后测 2 五个阶段的顺序；2. 再看绿色扰动曲线在 95 试次后爬升、在 155 到 319 试次保持平台、之后回到零；3. 最后对照每个阶段上方列出的伪词，确认只有目标词在斜坡和维持期出现

论文图 1。原论文 Figure 1：“Déroulement du protocole pour le contexte consonantique /p/”。

图中横轴是试次推进，纵轴是扰动量。前测约 95 个试次无扰动，只给掩蔽和放大。斜坡期只呈现目标伪词并把扰动逐渐加大到第一共振峰加 30%、第二共振峰减 30%，避免被试察觉。维持期保持最大扰动约 164 个试次。后测突然撤除扰动，先用 18 个试次只测含目标元音但含 3 种辅音的词，避免引入邻近元音打乱 [E] 的保持，再用 65 个试次重新引入含 [e] 和 [a] 的全部词以检验泛化和消退。被试被要求把发音强度维持在 73 dB SPL 附近并看屏幕左侧的视觉反馈，这既统一发音力度，也帮助自动切分和共振峰跟踪。

扰动、切分与归一化各负责什么？

扰动组件只改空气回放。原始录音采样率为 48 kHz、16 比特，经话筒、放大器和声卡进入软件后降采样到 16 kHz，以 500 Hz 的速率输出波形、均方根响度、输入输出共振峰和音段跟踪变量。扰动仅在检测到的目标元音窗内改变共振峰，辅音段和前后元音不受直接偏移。整个音频链增益约为正 6 dB SPL，因此空气回放整体上强于自然内部声，这是理解低掩蔽下双信号叠加更突兀的前提。 切分组件解决何时开扰动。

Audapter 原生启发式规则不足以可靠区分鼻辅音与元音边界，作者新增两条启发式，用约 2 到 3.5 kHz 高频带能量变化检测 /p/、/b/、/m/ 的边界，该频带按被试选在 [m] 闭合产生的反共振附近。约 3.5% 的试次需半自动挑出并人工处理，其中约 2% 扰动未正确施加。低噪声组在 /p/ 和 /b/ 语境的失败率更高，这一条后文会成为解释适应受限的并行原因。

共振峰扰动 × 掩蔽噪声： 共振峰扰动指用 Audapter 实时抬高第一共振峰并压低第二共振峰的人为听觉误差，掩蔽噪声指叠加在回放耳机信号上的言语谱形噪声；前者负责制造需要学习的误差方向，后者负责调节内部传导相对空气回放的显著性，二者组合才能检验不同内外反馈配比下的可塑性变化。

测量组件把个人差异归一化。作者不直接比较原始赫兹值，而是取元音中部 50 毫秒窗的头两个共振峰均值并转为 Bark 域，再以每位被试前测 [e] 与 [a] 中位数连线为轴作投影，得到无量纲指标相对距离。该指标在前测 [a] 中位数处为零，越接近前测 [e] 中位数越接近 1。扰动把听到的音推向零的方向，补偿则使发出的音向 1 的方向挪。 下图把这个投影的几何意义固定下来，是读懂所有结果纵轴的前提。

看图路径： 1. 先找到蓝色轴线两端的灰色椭圆，确认下端为[a] 基准、上端为[e] 基准；2. 再看红棕色发音点向蓝色轴作垂线，垂足到[a] 的粗线段即为相对距离；3. 最后看紫色箭头方向，确认它是把听到的音向[a] 方向推的扰动示意

论文图 2。原论文 Figure 2：“Projection de la réalisation de [E] pour l’essai i (en rouge) sur l’axe ⃗ue.a dans l’espace (F1,F2).”。

解释这张图时不要把它当成时间曲线。它是共振峰平面示意，横竖方向为第二和第一共振峰，灰色椭圆是个人 [e] 和 [a] 的分布，蓝色轴是二者中位数连线。红棕色嘴唇标记是当次发出的 [E]，它向蓝轴作垂线，垂足到 [a] 的粗线段长度就是该试次的相对距离。紫色耳朵箭头是扰动方向，指向更像 [a] 的位置。后续所有纵轴都是这个投影的线性模型预测值，上升一律表示向个人 [e] 靠拢。

后腔共振 × 爆破辅音语境： 后腔共振指辅音闭合期间口腔后部和鼻腔仍能传递的连续共振过渡，爆破辅音语境指目标元音前面的/p/、/b/、/m/3 种双唇闭合条件；前者是内部信号中携带的发音器位置信息，后者按浊音和鼻音特征调节该信息在内部声中的强度，组合意义是检验辅音段内部线索是否参与下一个元音的动态控制。

本研究有没有训练神经网络？

本研究没有训练任何神经网络，也没有更新声学模型权重、优化器状态或可学习的表征，因此不存在冻结与解冻、梯度路径、损失反传或早停等概念。如果把训练一词泛化为被试学习，则学习发生在人类被试的发音系统中，监督来源是被扰动的听觉误差，更新时机是斜坡和维持期的每 1 次朗读，重置时机是后测突然撤除扰动。 真实计算过程是信号处理与统计建模两部分。

信号侧是 Audapter 的实时共振峰估计、音段启发式判断和共振峰偏移合成，参数按被试调整切分阈值和频带，但不做跨被试的模型拟合。分析侧是用 R 语言的线性混合模型，以被试为随机效应，以阶段、辅音语境和噪声水平及其交互为固定效应，先做方差分析再用估计边际均值做事后比较，并用 Sidak 法校正多重比较，作图同样基于边际均值预测与 95% 置信区间。

缺失的报告是逐试次学习曲线的拟合参数和模型随机斜率结构，原文只给出显著性与方向，未给出可用于仿真的学习率数值。

被试、分组与试次如何保证可比？

比较问题是辅音语境与噪声水平是否在相同扰动方向和相同任务下改变适应。公平条件包括同一目标元音、同一扰动比例、同一回放增益、同一发音强度要求和同一幌子任务。指标方向是相对距离上升表示向 [e] 的补偿，下降表示跟随扰动向 [a] 靠拢。 被试为 36 人，19 到 40 岁，女性 21 人男性 15 人，按 3 种辅音乘两种掩蔽分为 6 组。掩蔽为言语谱形噪声，高条件 80 dB、低条件 60 dB SPL，经封闭耳机与放大后的自声叠加。

伪词围绕目标元音构造，另含邻近元音词用于前后测。6 名跟随扰动而非补偿扰动的被试在主分析中被排除，最终报告基于 30 名非跟随者，这一点复现时必须保留，否则平均效应会被稀释。 下表把各阶段呈现内容与试次数整理成可核对的清单，阅读时重点核对后测分两段的设计意图。

表后解释需要同时看到收益与代价。

分段后测的收益是先在不引入邻近元音的情况下测保持，再测泛化与消退，避免后测 1 的 [E] 被 [e] 和 [a] 的重现打乱。蓝色不出声试次占 34/402 试次的代价是总试次略有浮动，但它支撑了注意力幌子。斜坡渐进引入的代价是无法从首个试次就估计补偿延迟，但收益是减少有意识策略。低噪声组发音清晰度下降导致扰动失败更多的代价，会在讨论中与归因解释并列，不能只用单一机制解释低噪声结果。

目标元音是否适应，辅音和噪声如何调节？

测的是目标词中 [E] 的相对距离从前测到维持期的变化，与谁比是与自身前测比、跨辅音组比、跨噪声组比。条件一致性由同一扰动方向和同一归一化轴保证。关键数字是维持期相对距离显著上升，统计量为 F 自由度 1 和 4843 等于 2687，低噪声组整体适应更大，辅音主效应与三重交互同时显著。高噪声下事后比较显示 /p/ 语境适应显著大于 /b/ 和 /m/，低噪声下无显著辅音差异。 下图是理解交互的关键，请先看三栏再看颜色再看星号，避免把每栏内的显著上升误读为组间差异。

看图路径： 1. 先按左中右三栏确认/p/、/b/、/m/三个辅音语境；2. 再在每栏内比较蓝色高噪声点与橙色低噪声点从前测到维持期的上升幅度；3. 最后注意竖线为 95% 置信区间，星号只表示前后变化显著而非组间差异本身

论文图 3。原论文 Figure 3：“Résultats de l’analyse du modèle pour la variable réponse ∆entre la phase pré et la phase maintien pour les mots contenant la voyelle cible /E/ et la consonne cible (/p/, /b/ ou…”。

这张图纵轴是相对距离的线性预测，横轴是前测与维持期。每栏内蓝色高噪声与橙色低噪声都从约 0.64 到 0.68 上升到约 0.77 到 0.82，星号标记的是前后变化显著。组间差异要看维持期点的高低：高噪声下左侧 /p/ 栏的蓝色点高于中右两栏，而低噪声橙色点在三栏高度相近，这正是三重交互的图形含义。像素不能读出精确到小数点后 2 位的组间差，因此复述时只讲排序与显著性，不虚构具体差值。 保持效应同样存在。

撤除扰动后的后测 1 相对距离仍显著高于前测，统计量为 F 自由度 1 和 661 等于 568，噪声调节显著而辅音主效应不显著，但三重交互显著。高噪声下 /p/ 保持大于 /m/，低噪声下无辅音效应。后测 2 重新引入邻近元音后有所消退，但平均仍高于前测，统计量为 F 自由度 1 和 871 等于 454，此时低噪声下 /m/ 保持大于 /b/。这说明消退不完全，且后测 2 的排序已不同于维持期，不能把维持期结论直接推广到长期保持。 下表把主结果与泛化检验的统计量集中核对，阅读时注意自由度变化反映样本量与分析子集不同。

表后解释要看到支持与限制。支持的是扰动确实诱发补偿与残留，且高噪声下辅音排序符合内部线索假说。

限制是低噪声整体更大却无辅音差异，与内部声更显著的直觉冲突；邻近 [a] 从前测到后测 2 无显著主效应，统计量接近零，说明改写不是整个元音空间平移。未胜出项是 6 名跟随者，他们向 [a] 靠拢，若纳入分析会拉低平均补偿，原文排除他们的处理必须在复现时同样声明。

未被扰动的邻近元音变了吗？

这个问题相当于泛化消融：只扰动 [E]，观察 [e] 和 [a] 是否连带移动。测的是后测 2 中邻近元音相对距离相对前测的变化。结果是 [e] 在所有条件都进一步增大，呈现远离 [E] 的超发音，统计显著且受噪声和辅音调节，三重交互显著。高噪声下 /m/ 语境的 [e] 几乎不变，是明显的反例；低噪声下三语境都上升到相近水平，事后比较显示低噪声效应更强。

[a] 则无显著主效应，但在高掩蔽下向 [e] 靠拢、低掩蔽下远离 [e]，掩蔽主效应显著。 下图只讲 [e] 的泛化，请重点看右侧 /m/ 栏的分叉，这是全篇最重要的负结果之一。

看图路径： 1. 先确认纵轴起点约在 0.98 到 1.04 之间，这是邻近元音[e] 的相对距离而非目标元音；2. 再看/m/栏右侧高低噪声在后测 2 的分叉，橙色上升而蓝色几乎不动并标不显著；3. 最后对比/p/和/b/栏，确认低噪声下三语境都上升而高噪声下/m/是例外

论文图 5。原论文 Figure 5：“Résultats de l’analyse du modèle pour la variable réponse ∆entre la phase pré et la phase post2 pour les mots contenant /e/.”。

图中三栏仍为 /p/、/b/、/m/，纵轴范围收窄到 1.0 附近，因为 [e] 本来就接近 1。左侧 /p/ 栏高低噪声都显著上升，中部 /b/ 栏低噪声上升更多，右侧 /m/ 栏橙色低噪声显著上升而蓝色高噪声标为不显著，二者差距还标出组间显著。这意味着高噪声下内部鼻音线索最强的语境恰恰没有带动 [e] 外移，而低噪声下所有语境都出现元音空间扩张。复述时不要把末点推广为全程，也不要把纵轴下降直接读成性能变差，这里上升表示超发音而非误差增大。

哪些边界会改变结论的适用范围？

直接报告的边界有三处。第一，分析排除了 6 名跟随者，只基于 30 人报告补偿与保持，跟随行为本身未被建模，因此结论只适用于补偿者子群。第二，低噪声组在 /p/ 和 /b/ 语境约 3.6% 和 4.2% 的扰动失败率高于其余条件不足 2% 的水平，原因是高噪声诱发隆巴德效应使发音更清晰，而低噪声下发音不够分明导致切分失败。更大的扰动缺失率本身就可能削弱适应，并使听觉误差与动作脱钩。第三，协议始终给空气回放加约正 6 dB 增益，空气声占优是标准做法的产物，改变掩蔽等于让不一致的双信号叠加更刺耳，主观上更人工。

归因问题 × 隆巴德效应： 归因问题指中枢把听觉误差判为自身动作所致还是外部设备所致的因果判断，隆巴德效应指高噪声下说话人自动加大发音力度和清晰度的现象；前者解释低掩蔽下为何适应不分辅音且元音空间整体扩张，后者解释高掩蔽下发音更清晰且扰动失败更少，二者共同说明噪声同时改变信噪比和行为状态。

有限解释是归因问题。作者用可能、待验证的语气提出，中枢在低掩蔽下可能把误差判为外部设备所致而非自身动作所致，从而限制感觉运动重校准，视觉运动领域的归因研究被引为类比，言语领域类似证据较少。这属于支持性解释而非因果证明，不能写成已证实内部声被完全掩蔽或完全未被掩蔽。未验证的推测是需要更多掩蔽水平和回放增益条件，以及对扰动元音段内动态补偿的分析，才能分离信噪比、发音清晰度和因果归因三者的贡献。在补足这些条件前，不应承诺调节噪声就能单调改善学习，也不应把高噪声下 /p/ 最大的排序推广到其他元音或其他扰动方向。

要复现这项实验先做什么？

先固定信息条件。被试分组必须保留三辅音乘两噪声的 6 组设计，目标伪词形式为 iCèpe，目标元音为非典型 /E/，扰动只在 [E] 段内施加为第一共振峰加 30%、第二共振峰减 30%。掩蔽用言语谱形噪声，高为 80 dB、低为 60 dB SPL，回放链增益约正 6 dB，发音强度用视觉反馈稳定在 73 dB SPL 附近。设备链至少要能做到 16 kHz 实时处理、500 Hz 输出跟踪变量和封闭耳机回放，否则切分与扰动时序无法对齐。 再固定分析口径。

每试次取元音中部 50 毫秒窗的头两个共振峰均值，转 Bark 域后投影到个人前测 [e] 与 [a] 中位数连线，得到零对应 [a]、1 对应 [e] 的相对距离。用以被试为随机效应的线性混合模型检验阶段、辅音、噪声及其交互，事后用估计边际均值加 Sidak 校正。半自动筛查必须复刻，约 3.5% 切分不良试次需人工核对，扰动失败试次单独计数并按条件报告，因为它直接影响低噪声结论。 资源状态需要如实声明。

本次可核对的来源中未发现经 HTTPS 验证的代码、模型或数据公开记录，因此不得声称 Audapter 修改版、启发式配置文件或原始录音已公开。复现者应准备自行实现高频带能量边界检测，并在 [m] 反共振附近按被试调频带。若要降低工作量，可先只复现高噪声三辅音排序这一最强证据，再扩展到低噪声与泛化部分，还需补的验证是多档掩蔽梯度与有无增益放大的对照。

何时值得借鉴这篇论文的方法？

当研究问题涉及自我声音双通道不一致时，这篇论文的双旋钮设计值得借鉴。用辅音浊音与鼻音特征调节内部线索强度，用掩蔽水平调节内外配比，再用相对距离把个人元音空间归一化，可以在不增加扰动种类的情况下得到交互证据。高噪声下 /p/ 适应最大、/m/ 最小、/b/ 居中的排序支持内部声在辅音段提供发音器位置信息的假说，也提示即使高掩蔽也不能假定内部声已被盖住。 当任务更接近自然小声说话或助听设备回放时，低噪声下的反直觉结果更值得重视。

适应整体更大但失去辅音特异性，邻近 [e] 出现跨语境的超发音，[a] 按掩蔽方向相反移动，这些现象共同指向整体元音空间扩张而非局部目标平移。此时若仍用内部声更显著来解释就会出错，更可能的是双信号冲突被判为外部原因，加上发音清晰度下降与扰动缺失共同作用。 常见误解是把补偿不足完全归于本体感觉或传出副本。本文提醒还有第三个来源，即未被扰动的内部声与被扰动的空气声之间的不一致。

纠正这个误解的方法不是去掉掩蔽，而是在报告中同时给出噪声水平、回放增益、辅音语境、扰动失败率和跟随者处理方式。只有这些条件齐备，适应大小的比较才有意义，否则跨研究比较共振峰扰动效率会把方法差异误读为元音差异。

📐 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

另有 21 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