把效果器参数铺成地图：FXplorer 让找声音先漫游再细调

英文题目：FXplorer: A Map-Based Interface for Exploratory Audio Effects Design.

会议身份：conference:nime:2026:conference-paper-id:nime2026_167

✅ 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：#软件工具 #多模态学习 #音频交互 #音频检索

评分：5.6/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 0.5/1.5 | 清晰度 0.8/1 | 影响力 0.8/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 1.0/1.5

排名：前50% | 文档类型：系统技术报告

👥 作者与机构

• Annie Chu：机构信息未能从会议 PDF 纯文本可靠映射
• Jason Smith：机构信息未能从会议 PDF 纯文本可靠映射
• Bryan Pardo：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

音频效果设计的输入是用户上传的干声与模糊语义意图，输出是可直接使用的效果器链参数，难点在于参数空间高维非线性且链内存在顺序相关，逐个试听回滚成本极高。FXplorer的方法链分为三步：先用Pedalboard对用户勾选模块随机采样参数配置并离线渲染变体，其输出音频进入嵌入与降维步骤。该步骤用AFx-Rep与CLAP双嵌入编码音色相似与语义关联，再各自经PCA降至2D形成可切换的同一变体集地图。最后浏览器端以悬停即播与点击锁定支持低承诺试听并以参数空间插值实现连续过渡，而Inspector编辑经重嵌入与样本外投影以幽灵点回写地图。相比返回孤立结果的语义检索与固定语料地图乐器，该机制把检索结果置于邻域中并保持参数可解释与空间可回写，使发散探索与收敛精修共处同一工作区。在target_samples为100且新干声时长为2s的设置下，GPU条件的总耗时指标为30.89秒，低于CPU条件的总耗时指标36.95秒。该结论适用边界受限于短采样与离线预生成模式，尚未验证地图邻域感知一致性、长音频与大规模变体可扩展性及真实创作收益，端到端延迟主要来自嵌入阶段且受硬件影响，GPU显著降低该阶段耗时。

🔗 开源与复现资源

• 第三方资源：https://svelte.dev/ — 链接可访问（HTTP 200）
• 第三方资源：https://github.com/spotify/pedalboard — 链接可访问（HTTP 200）
• 第三方资源：https://aimc2023.pubpub.org/pub/zgc5j7ha — 链接不可用（HTTP 403）
• 第三方资源：https://experiments.withgoogle.com/ai/drum-machine/ — 链接不可用（HTTP 404） 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，要解决的找声音难在哪里？

这篇解读的输入是论文正文与官方原图像素，目标是让刚进入音频领域的研究生能复述 FXplorer 的做法并知道其适用边界。必须保留的信息是系统输入输出、生成嵌入降维 3 段计算、双嵌入分工、交互操作与耗时条件，输出是一张可听的 2 维效果地图加可编辑的参数面板。

FXplorer 面对的任务是探索式音频效果设计。输入是一段用户上传的干声，也就是未加效果的原始录音，输出不是单个最优预设，而是一批施加了不同效果器配置后的变体声音及其在 2 维画布上的位置加可调参数。初学者可以把干声理解为原材料，把变体理解为同一原材料做出的不同口味成品，例子是同一段钢琴分别做出温暖房间感与金属感。

难点在于效果器参数空间是高维且非线性的。论文指出即使简单效果也有巨大组合可能，效果链还带来与顺序有关的、感知上不均匀的相互作用。传统数字音频工作站的做法是按效果类型分类菜单加孤立旋钮，要求用户先知道该调哪个滤波器 Q 值或哪个混响时间，这对只有模糊意图例如想要闷一点暖一点的人不友好。预设库给了入口，但预设之间是离散跳点，看不到中间连续变化。

近期文本到效果或范例到效果的方法能返回孤立结果，但返回后探索就停止了。因此作者把问题定义为同时支持发散与收敛。发散是先大面积听听有什么可能，收敛是锁定两三个有希望的声音后细调到目标。FXplorer 要求同一工作区完成从生成地图、语义进入、快速试听、两点插值到实时编辑保存的全过程，而不是在检索工具和参数页之间来回切换。

地图式乐器与语义效果检索各解决了什么？

要理解 FXplorer 的位置，需要区分两条已有路线。第一条是基于地图的音乐界面。论文回顾了把离散声音语料按感知有意义的方式排成 2 维的做法，例如用度量学习与核排序排布采样，用自适应映射组织声音集合，以及开源语料乐器。这类工作的共同点是把找声音变成在空间里走动，附近听感接近，可以低承诺地大量试听。教学例子是鼓机类界面：把大量鼓采样按相似度铺开，鼠标划过就能听，不用逐个加载预设。

第二条是生成式潜空间乐器，例如 RAVE、NSynth 及相关变分自编码器系统，它们支持在连续潜空间里插值，但操作对象往往是固定语料或抽象生成参数，而不是显式的、可与工程对接的效果器参数。论文还提到对这类潜空间手势可供性的研究，说明连续导航本身已有探索，但多半不保留数字音频工作站风格的旋钮语义。

另一条是语义化效果控制。论文引用了用对比语言音频预训练做文本引导效果、用推理时优化做风格迁移、用大语言模型预测效果参数等工作。它们的长处是把暖、金属感这类词或范例音频变成可执行的检索或参数，但短板是通常 1 次返回几个孤立结果，不维持一个可继续漫游的邻域。

FXplorer 的取舍是站在地图传统一侧，但把地图对象从固定采样换成现算的效果变体，并保留显式控制。也就是说，它不生成新音频波形，也不训练新生成模型，而是用判别式嵌入只做相似度估计与检索，用透明的效果器参数做实际声音变换。这样做的好处是结果可解释可复用，代价是地图覆盖范围受限于离线随机采样的密度与效果器种类。

四个设计要求分别对应哪个操作痛点？

论文把挑战转写为 4 个设计要求，每个要求直接对应一个操作。第一是感知组织探索空间，要求 2 维邻近反映音色相似，揭示超越效果分类层级的联系。痛点是用户不知道低通滤波做出的暖声与混响做出的暖声在听感上接近，分类菜单把它们分开了。第二是语义进入可导航空间，要求文本与音频查询把用户带到连续地图的某个大致位置而非孤立列表，支持先落到大概范围再逛周围。

第三是低承诺试听，要求不用点选确认就能快速听几十种配置，找到两个喜欢的点能像弹弓一样在两者之间快速连续穿梭。第四是实时参数编辑连回感知上下文，要求按感知尺度缩放参数并可视化改动在地图上的位移，大移动意味着音色大变，小移动是微调。论文明确写出频率对数、时间常数指数、增益与混合线性的缩放选择。

这 4 个要求共同约束了后面的架构：必须有离线批量生成以铺满空间，必须有双嵌入以支持两种进入方式，必须有浏览器端实时渲染以支持悬停即播，必须有样本外投影以支持编辑后回投。对研究生而言，记住这个链条比记住界面截图更重要：痛点决定交互，交互决定哪些计算必须实时、哪些可以离线。

从一段干声到可保存结果要走哪几步？

FXplorer 的总体流程可以沿一个样本走一遍。起点是用户上传一段干声并选择效果模块，系统随机采样参数配置并渲染出约 100 个变体，每个变体编码为两个互补嵌入并分别降到 2 维，同一批点可在两种视图间切换。用户随后通过鼠标悬停试听、点击选中循环播放、文本或音频搜索高亮邻域、选两点插值、进检查器改参数并看幽灵点位移，最后保存命名的变体。

下图是主界面探索模式的全貌导读，中央是点云地图而四周是功能面板，读图时先建立空间位置与面板功能的对应关系再进入细节。

看图路径： 1. 先看中央二维点云按颜色分簇的聚集形态与稀疏走向，再看左侧检查器中悬停点的参数读数；2. 再看右侧浮动面板中嵌入模式切换按钮与音频搜索拖放区的位置关系；3. 最后看底部波形监视器中黄色播放头位置与当前试听标签的对应文字

论文图 1。原论文 Figure 1：“FXplorer’s Explore Mode: Users primarily navigate via mouse (hover, click, pan, zoom) and keyboard shortcuts.”。

这张探索模式截图显示中央深色画布上有按颜色分簇的圆形点，每个点是一个效果配置，颜色代表效果链类型而听感接近的点聚在一起。左侧 FX Inspector 面板显示当前悬停或选中点的具体参数与延迟可视化，右侧浮动面板提供嵌入模式切换、悬停播放设置与语义搜索输入，底部波形监视器用黄色播放头指示当前循环播放位置。它的教学价值是把后文所有操作锚定到同一工作区，浏览搜索插值编辑都不离开这张图。

发散探索 × 收敛精修： 发散探索指无明确参数计划地大面积试听以发现可能性，收敛精修指锁定有希望区域后调具体参数以达成目标音色，搭配原因是创作者常在两者间来回切换，组合后生成空间、语义入口、快速试听与实时编辑被放在同一工作流而非分开的预设库和参数页。

工作流总览图把上述步骤画成有向方框与箭头，适合按顺序核对分支条件与各子图在正文中的对应位置。

看图路径： 1. 从顶部上传干声波形箭头向下追踪到生成空间方框的单一路经；2. 比较左侧语义入口分支汇入探索地图的箭头方向与主干箭头的区别；3. 再分别沿左下插值分支与右下编辑分支确认它们都指向保存变体方框

论文图 2。原论文 Figure 2：“Overview of interaction workflows in FXplorer.”。

该流程图顶部是上传的干声波形，向下进入生成空间方框，随后分两路进入探索地图，一条是直接浏览地图，另一条经语义入口再进入地图。进入地图后又分两条收敛路径，选 1 对变体做插值后保存，或直接编辑单个变体后保存，另有一条弧线表示直接保存。图中标注对应后文生成、搜索、插值、编辑四节。对初学者而言，关键是记住语义搜索不产生新点，只是高亮已有点的子集并给出查询点位置。

地图上的点是如何算出来的？

生成、嵌入、降维是后端 3 段。生成阶段对用户选定的效果模块随机采样参数配置，用 Pedalboard 快速且比特精确地离线渲染。论文列出的可用模块包括 6 频段参量均衡、压缩、混响、延迟、失真、合唱和相位器，可单效果或最多三模块组合以探索交互。采样数可调，默认约 100。嵌入阶段对每个变体算两种嵌入：AFx-Rep 是纯音频模型，按感知音色组织声音。

CLAP 是音频文本模型，把声音与暖、金属感等词对齐。每种嵌入单独做自己的 2 维布局，用户切换的是相似度定义而非点集本身。

音频效果变体 × 感知相似组织： 音频效果变体指对同一段干声施加不同效果器类型与参数后得到的约 100 个处理结果，感知相似组织指用嵌入距离决定 2 维距离让听感接近的点相邻，二者搭配的理由是参数空间高维非线性而听感需要低维连续入口，组合后同一张画布既保留每个点的可调参数，又让不同链路做出的暖声在空间上聚拢。

降维阶段用主成分分析或均匀流形近似与投影把高维嵌入压到 2 维，论文强调选择主成分分析或均匀流形近似而不用 t 分布随机邻域嵌入的原因是前者支持样本外投影，使运行时新点无需重拟合全图即可映射。前端是本地托管的网页原型，用 Svelte 应用在启动时加载预计算坐标与音频，用 Tone.js 在浏览器端对干声实时施加参数配置以重建声音，用 Flask 接口处理按需操作如新点投影、文本查询嵌入与音频范例匹配。

CLAP × AFx-Rep： CLAP 负责把文字描述和声音对齐到同一相似度量以支持文本语义搜索，AFx-Rep 只用音频计算音色相似以支持以声搜声，搭配原因是模糊意图有时是语言有时是范例声，组合后同一批变体可在语义视图与音色视图之间切换而不重建地图。

这种混合架构把重的变体生成放离线，把播放与交互放浏览器以保证低延迟探索。对复现者而言，这意味着地图坐标与音频文件是预计算产物，浏览器端效果重建必须与离线 Pedalboard 参数语义一致，否则听到的与坐标暗示的不一致。语义进入的具体计算是余弦相似度，文本查询由 CLAP 编码后比相似度，音频范例由 AFx-Rep 编码后比音色相似度。

下图是文本查询语义入口的界面导读，重点是理解查询标记与高亮匹配点在原有地图中的空间关系。

看图路径： 1. 找到右侧文本搜索框中的查询词与地图上方同名黄色查询标记的对应关系；2. 数左下橙色框内绿色高亮的前 5 匹配点上的排名徽标与蓝色未选中点的分布；3. 确认右侧嵌入模式区域中语义分支按钮处于高亮选中状态

论文图 5。原论文 Figure 5：“Semantic Entry Point Example (text): Results for “warm roomy piano”. Embeds the actual query and highlights the top-5 matches.”。

该图右侧文本搜索框输入 warm roomy piano，地图上方出现同名黄色查询标记，左下框内有 5 个绿色高亮的前 5 匹配点并标有排名徽标，右侧嵌入模式已切到 CLAP 一侧。它的教学点是结果不是列表而是空间中的位置加邻域，查询点与匹配点之间的距离可读，匹配点周围的蓝色未高亮点就是可立即试听的相邻领地。需要提醒的是，高亮数量与相似度阈值是界面选择，论文只以 top-5 为例。

悬停试听与两点插值在参数层做了什么？

探索变体靠快速试听与插值。浏览时光标移到任一点立即播放对应音频，效果实时施加到干声上，因此可以连续划过几十种配置。点击则选中并循环播放，同时在检查器暴露参数。找到两个感兴趣变体后，按键盘设为端点 A 与 B，用左右箭头或滑杆在两者之间连续移动。与直接交叉淡化波形不同，系统在参数空间插值：混合端点效果设置再对干声实时应用。若端点共享同一效果链则参数直接混合，若链路不同则需手动重选端点。

参数空间插值 × 音频交叉淡化： 参数空间插值指按比例混合两个端点的效果器参数再对干声实时渲染，音频交叉淡化指直接混合两段已渲染波形，FXplorer 选择前者的理由是保持中间态仍是合法可编辑的参数配置，组合意义是滑动过程同步更新检查器数值、效果可视化与 2 维幽灵标记。

视图会缩放到端点连线，检查器数值与效果可视化如均衡曲线或延迟线随比例同步变化，2 维图上幽灵标记沿轨迹移动。为保证感知平滑，参数按效果特定尺度缩放，例如频率对数、时间常数指数、干湿比线性。下图是插值模式界面的导读，重点看端点编号、百分比与参数面板的联动证据。

看图路径： 1. 看顶部插值条上两个端点编号与中间百分比滑杆圆点的相对位置；2. 沿虚线找到地图上左右两个大端点圆环与中间紫色幽灵点的连线走向；3. 对照左侧效果面板中延迟时间与反馈量随百分比变化的当前数值

论文图 3。原论文 Figure 3：“Interpolation Mode interface. Two samples from the exploration space are selected as points “A” and “B.” The user can quickly interpolate continuously between endpoint parameters…”。

该图顶部插值条显示在编号 186 与 168 之间处于 58% 位置，地图上左右各有一个大圆端点标记，中间紫色圆环是当前 58% 对应的幽灵点并用虚线连向两端，左侧效果面板显示延迟时间与反馈量随比例变化的值。它的教学价值是证明插值对象是参数而非波形，百分比变化时左侧数值与可视化同步变化，幽灵点位移表示音色轨迹。像素不能精确读出的曲线斜率不要硬写，关键是记住跨链路时不能直接混合，需回到地图重选同链端点。

下面整理论文明确给出的键盘快捷键的比较问题：在同一张探索地图与同一选中状态下，哪些高频操作可以用单键完成以减少鼠标往返。公平条件是同一界面状态，指标方向是操作步数越少越利于连续试听。

上表把 5 组快捷键放在同一比较框架下，主要收益是设端点与调比例可单手连续完成，支持论文所说的弹弓式来回听。具体代价是快捷键依赖记忆且跨链插值仍会中断，需手动重选。未评测的边界是论文未报告快捷键学习成本或误触率，因此不能把有快捷键直接等同于更快找到目标声。

本研究训练了什么，没有训练什么？

本研究没有训练新的神经网络，也没有在用时微调模型，这一点必须先说清以免误解。CLAP 与 AFx-Rep 是作为已有判别式嵌入直接调用的，论文只用它们做相似度估计与检索，所有声音都来自用户提供的干声加透明效果参数。真实发生的计算有 3 类。第一是离散渲染计算：按采样到的参数用 Pedalboard 离线生成波形。第二是嵌入与降维计算：对变体算高维嵌入再用主成分分析压到 2 维，主成分分析的均值与投影矩阵在建图时确定，运行时新编辑点用同一矩阵做样本外投影。第三是浏览器实时数字信号处理：用 Tone.js 按检查器参数对干声加效果并播放。

主成分分析 × 样本外投影： 主成分分析负责把 512 维左右的高维嵌入压缩到 2 维坐标用于显示，样本外投影负责把新编辑或新查询点映射到已有主成分轴而不重拟合全图，搭配原因是编辑与搜索发生在运行时，组合后幽灵点与查询标记能实时落回原地图并保持邻域可比。

关于冻结与更新、梯度路径、监督来源与重置时机，论文未报告任何梯度训练细节，因此不能从模型名称推定实现，也不能把冻结参数等同于系统输出确定。输出仍随随机采样种子、模块选择、干声内容与用户编辑而变。缺项是论文未给出主成分分析保留方差比、嵌入归一化方式、均匀流形近似的具体超参数，这些是复现地图形状时需要补记的。教学例子：若把主成分分析换成不支持样本外投影的方法，则每次编辑都要重拟合全图，幽灵点将失去可比性，这正是论文坚持用主成分分析或均匀流形近似的安排理由。

耗时基准在什么条件下测的？

论文没有做以人为被试的对照实验，也没有报告检索准确率或音质评分，唯一的定量基准是面向新干声上传的用户流程端到端耗时。条件交代为目标采样数 100，每行是 3 次运行的均值，单位是秒，设备因素只影响嵌入阶段。输入时长分 2 秒、4 秒、10 秒三档，设备分 CPU 与 GPU 两档，阶段分生成、嵌入、降维、总计四列，其中嵌入是 AFx-Rep 与 CLAP 嵌入时间之和，降维是 2 次主成分分析降维之和。设计目标是 2 至 4 秒短采样，10 秒是压力参考。

硬件具体型号、操作系统、批大小、音频采样率与是否含网络延迟均未报告，因此该表只能用于理解各阶段量级与随输入时长的趋势，不能当成跨机器的绝对承诺。相关资源状态方面，本次核对的第三方链接中 Svelte 官网当前可用，Pedalboard 仓库当前可用，另两处引用链接本次未能确认可达或当前不可用，复现时应以论文正文与可用仓库为准，不依赖不可达页面。

论文还说明系统是本地托管的网页原型，启动时加载预计算坐标与音频，Flask 后端处理按需投影与查询。这种部署方式意味着基准时间不含浏览器悬停播放延迟与插值滑动延迟，阅读时不要把建图耗时当成交互延迟。

端到端耗时主要花在哪里？

要回答的比较问题是：在同一目标采样数与同一阶段划分下，输入变长与换用 GPU 如何改变总耗时，以及哪个阶段是瓶颈。公平条件是同为新干声上传、同为 100 个变体、同为 3 阶段求和，指标方向是秒数越小越好，数值保留原文 2 位小数与秒单位。

上表把原文表 2 的行列重组为五列可读形式，裸值含义由表头秒统一覆盖，支持的判断是嵌入始终占大头而生成约 3 至 6 秒、降维约 7 秒相对稳定。具体收益是 GPU 对嵌入阶段的加速：2 秒输入下嵌入从 26.18 秒降到 20.10 秒，总计从 36.95 秒降到 30.89 秒；10 秒输入下总计从 49.00 秒降到 35.18 秒。具体代价是即使加速后，百点建图仍需约半分钟，且输入从 2 秒增至 10 秒时 CPU 总计增加约 12 秒。限制是该表未含悬停播放延迟、插值滑动延迟或内存占用，因此不能推断交互全程低延迟，仅支持建图阶段的成本判断。

双视图与感知缩放缺少哪项对照？

论文没有提供去掉某个组件后的消融数字，因此本节只能按证据讲已验证的对照与明确缺项。已验证的是双嵌入各有分工：文本查询走 CLAP，范例查询走 AFx-Rep，同一变体集可在两种相似度下浏览而不重建。支持这一点的证据是语义示例与界面上的嵌入模式开关，以及后端分开投影为各自 2 维布局的说明。另一项已验证的是参数感知缩放：频率对数、时间常数指数、增益与混合线性，这使插值滑动在听感上更平滑。

缺项有三处。第一，未比较主成分分析与均匀流形近似在同一批变体上的邻域保持差异，复现者若要选型需自行记录信任度与连续性指标。第二，未比较随机采样密度例如 50 点与 200 点对找到目标声步数的影响。第三，未测量误检率或语义命中的主观一致性，例如 warm roomy piano 的前 5 是否在不同干声下稳定。教学上要区分报告与推测：双视图切换不重建是报告，切换后更容易找到目标是待验证的推测，需要补用户研究才能断言。

哪些边界会让地图失灵或变慢？

论文在结论与伦理部分明确或隐含了 4 类边界。第一是评估缺失：未来工作才计划评估空间与语义可供性如何影响声音设计策略，因此当前不能声称探索更快或更具创意。第二是变体集规模与自适应性：固定约 100 点的随机采样可能漏掉窄而关键的参数区，更大或自适应采样未验证。第三是插值约束：不同效果链需手动重选端点，这打断了跨链变形的连续性。第四是计算开销：嵌入与投影带来额外成本，虽远低于生成式方法，但仍使新干声建图需几十秒，不适合超短交互循环。

伦理上作者声明只用判别式嵌入做相似度与检索，不生成音频也不在用时训练，处理在本地，声音来源透明。作者也承认基于嵌入的相似建议可能让部分艺术家感到限制创造力，目标是辅助探索而非替代判断。复现时不应把相关性当因果：点相邻表示嵌入距离近，不等于音乐上必然搭配；幽灵点大位移表示嵌入变化大，不等于响度或喜好同步变化。

要复现这张可听地图先做什么？

复现的第一步是固定输入与参数记录：准备一段 2 至 4 秒干声，记录采样率与位深，选定模块如均衡加失真并记录每组采样数，固定随机种子与 Pedalboard 版本以保证离线渲染可重放。第二步是重建嵌入与投影：调用同一 CLAP 与 AFx-Rep 权重，分别做 2 维主成分分析并保存均值与投影矩阵，运行时新点必须用同一矩阵投影，切换视图只换矩阵不换点集。第三步是对齐浏览器实时链：把检查器每个旋钮映射到与离线一致的参数语义，并实现频率对数、时间指数、混合线性的缩放，使插值百分比与幽灵点位移同步。

信息条件方面，论文是原型系统描述，未在证据中给出代码开源或权重下载地址，只能依据正文与可用第三方仓库自行搭建。Svelte 官网与 Pedalboard 仓库本次确认当前可用，可作为搭建起点；另两处引用链接本次未能确认可达，不应作为复现依赖。还需补的验证是跨机器耗时重测、长采样行为、跨链插值失败率，以及至少小规模的找声任务用户研究，否则只能复现功能不能复现效果主张。

何时值得尝试这种地图式找声？

当任务是不知道参数但有模糊听感目标，且愿意先花半分钟铺图再大量试听时，值得尝试 FXplorer 式地图。它把分类菜单的选择负担换成空间漫游的听觉负担，适合新手建立参数与音色之间直觉，也适合有经验者在探索性阶段快速排除大片区域。当目标是精确复刻某参数或批量处理长文件时，它不占优：建图开销、随机覆盖不确定性与跨链插值中断都会拖慢收敛。

记住三句话可带走：点是参数配置的渲染结果而非波形本身；距离是嵌入相似度而非参数距离；语义搜索是落点加邻域而非答案列表。带着这三句去看任何地图式音频界面，都能快速分清哪些是系统报告的事实，哪些是仍待验证的体验主张。

📐 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 1 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 nime-2026 论文汇总