中央声库却低交互：Freesound 创意应用为何守着文本搜索

英文题目：Integration of Freesound content in creative applications and sound interfaces: a survey of use cases.

会议身份：conference:nime:2026:conference-paper-id:nime2026_37

✅ 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：#文献综述方法 #音乐 #音频交互 #音频检索

评分：5.9/10 | 创新 1.3/2 | 技术严谨 1.0/1.5 | 实验充分 0.8/1.5 | 清晰度 0.7/1 | 影响力 1.0/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.8/1.5

排名：前50% | 文档类型：综述

👥 作者与机构

• Panagiota Anastasopoulou：机构信息未能从会议 PDF 纯文本可靠映射
• Frederic Font：机构信息未能从会议 PDF 纯文本可靠映射
• Xavier Serra：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文以分散的创意应用与声音界面为输入，输出其集成Freesound异构声音库的方式分类与利用格局，难点在于系统形态、交互模态与元数据质量差异大，难以统一比较可达性与探索深度的权衡。方法链分三步：先以Freesound Labs条目、应用程序接口日志与GitHub文档检索汇聚60个符合创意交互标准的系统，再沿中心性、交互性、检索过滤、输入模态与操控类型五轴编码各系统的检索与操控行为，最后汇总分布并结合Web与应用程序接口周查询日志解读基础设施利用不足。编码输出直接进入分布汇总，使生成式集成与探索式集成得以在同一分析框架下比较。与既有孤立案例介绍相比，关键差异在于区分用户可控过滤与预置后台查询，并以共享分析轴揭示趋同的窄交互模型，其意义在于指明未被利用的相似检索与内容描述符能力。在60个系统组成的调查语料任务下，声学检索的应用数量指标为6个，低于相似检索的应用数量指标7个。该结论的适用边界在于样本依赖公开文档与可识别的接口客户端，闭源商用工作站与无密钥调用系统覆盖受限，向全部创意生态外推尚未验证。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 第三方资源：https://github.com/overtone/overtone — 链接可访问（HTTP 200）
• 第三方资源：https://github.com/iwkse/freesound — 链接可访问（HTTP 200）
• 第三方资源：https://github.com/charlesneimog/py4pd-freesound — 链接可访问（HTTP 200）
• 第三方资源：https://playground.mlalabs.xyz/ — 链接可访问（HTTP 200）
• 第三方资源：https://hathor.uno — 链接可访问（HTTP 200）
• 第三方资源：https://five23.github.io/plexure.js/index.html — 链接可访问（HTTP 200） 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

研究对象是什么：从网页声库到可编程的声音基础设施？

这篇论文的研究对象不是某一个乐器或某一个模型，而是围绕 Freesound 这个大型社区声音库长出来的创意应用群。白话说，Freesound 是一个用户上传、按知识共享许可开放的声音仓库，论文报告其规模超过 720,000 条声音、注册用户超过 16,000,000。对刚入门的研究生而言，关键是把 Freesound 理解为双重存在：一是浏览器里可搜可听可下载的网站，二是可被程序调用的应用程序编程接口，英文名是 Application Programming Interface，缩写 API。网站解决人找声音的问题，接口解决程序替人找声音、把声音嵌进别的工具的问题。

论文要回答的是，当声音从网页下载变成被鼓机、插件、硬件采样器和网页乐器实时调用时，设计者到底用了 Freesound 的哪些能力，又留下了哪些没用的能力。输入是论文收集到的 60 个创意应用与声音界面，目标是给出可复述的分类与趋势判断，输出是一组分析轴、分布统计和设计启示。必须保留的信息包括数据来源构成、每条分析轴的定义、检索与过滤的使用比例，以及作者明确指出的未充分利用之处。

本解读只讲论文实际调查的任务，不把通用音频检索教学例子当作论文结论，凡属帮助理解的例子都会标明是例子。

与哪些路线相关：普通搜索工具为何被排除？

与本研究路线最接近的有 4 类。第一类是普通检索工具，例如论文点名的 MuSST 和 CCMusicSearch，它们解决按关键词找到文件的问题，但不支持把声音作为创作材料去触发、编排或变换。第二类是以视频或游戏为中心的集成，例如 Blender 插件和奖励电路类应用，声音是配角而非创作主材料。第 3 类是只用固定精选声音包的非交互作品或小型库封装，例如简单封装库和纯离线数据集复用，它们不考察与线上声库的持续交互。

第 4 类是档案与数据集建设，例如海滩声音档案和 Freesound 衍生数据集，它们服务保存与训练而非实时创作。论文把范围限定为以声音为中心、支持创造性参与的系统，英文可表述为 creative applications and sound interfaces。这一限定直接决定了后文的纳入标准：如果一个系统不能检索、处理、探索或以演奏方式使用声音，即使它调用了接口，也不在本次统计之内。

理解这一点才能明白为什么论文一方面说接口每周约有 1,000,000 次搜索请求，另一方面强调其中很大一部分来自训练数据批量下载，不属于本研究的创意交互范畴。

核心矛盾是什么：中央地位为何不等于深度探索？

论文提出的核心矛盾是，Freesound 在很多应用中处于中央位置，但用户对声库的探索能力仍然很浅。白话说，很多工具离不开 Freesound 提供声音，却只给用户留了一个关键词输入框。作者用两个独立维度拆开这个问题。第一个维度是中心性，英文 centrality，指声库在工作流中有多重要：是可有可无的补充，还是主要声音来源，还是整个界面的概念核心。第二个维度是交互性，英文 interactivity，指用户能否主动检索、过滤、导航并得到即时反馈。

论文的判断是，高中心性加高交互性才最有利于用户驱动的探索，而调查显示前者常见、后者稀缺。造成这种局面的原因不只在观念，也在约束：硬件、现场演出和低延迟场景难以承担反复查询；网页宿主希望降低认知负荷；声音质量、标签完整度和授权差异带来摩擦。于是大量系统收敛到文本搜索加少量过滤的最小可用模式。

这就引出后文的方法全景：必须同时记录用了什么检索、给了什么过滤、允许什么输入、拿到声音后做了什么操作，才能判断探索是真丰富还是假丰富。

方法全景：如何从 60 个应用中读出设计模式？

论文的方法不是训练模型，而是 1 次系统性比较调查。整体动作可分为 4 步。第一步是建库：从 Freesound Labs 当时收录的 56 个条目中筛出 42 个符合创意交互定义的项目，再分析 2021 至 2025 年五年间累计查询超过 10,000 次的接口客户端，并检索公开代码仓库文档中提及 Freesound 的内容，补入 18 个项目，最终形成 60 个对象的集合。第二步是定轴：定义中心性、交互性、检索与过滤、输入机制、操作类型 5 组分析轴。

第三步是逐项手工分类，把每个应用按统一规则打标，例如交互性分为无、受限、基础、高级四档，操作类型分为获取、增强获取、编排、增强编排、变换 5 类。第 4 步是聚合与对照：统计分布、比较接口日志中的全局使用情况与样本中使用情况的异同，再讨论未被充分使用的能力。

沿一个样本走完全程有助于理解：以鼓机类应用为例，用户输入关键词，系统经文本检索返回候选，用户把声音放入步进网格并循环触发，目标是快速得到可演奏的套鼓，输出是网格加声音的组合状态。 本小节配一张应用拼贴总览，用于建立直观印象：在细读分类数字之前，先看到鼓机网格、2 维声音地图、3 维地球、波形编辑器和现场编码界面确实共存于同一生态。

看图路径： 1. 先扫视拼贴中反复出现的网格鼓机、二维散点和波形列表三类版式；2. 再注意右上 SOURCE 与中部球体等强调空间浏览的界面；3. 最后对比代码型界面与触屏型界面在输入密度上的差异

论文图 1。原论文 Figure 1：“Collage of Freesound integration use cases”。

该拼贴报告为创意应用集成用例的合集，像素可见大量界面缩略图紧密拼接，既有深色音频插件式列表，也有彩色散点和地球仪式浏览，右上 SOURCE 字样与中部球体提示空间化探索的存在。这种多样性正是后文分类的动机：如果只看文字描述，会低估界面形态的差异，而拼贴让人先接受一个事实，即同一声库可以支撑鼓机、 soundscape 生成器、硬件采样器和虚拟现实作曲等完全不同的工作流。教学上把它当作例子：看到鼓机就想到编排，看到散点就想到相似检索，看到代码窗口就想到现场编码调用，后文每一组数字都可以回贴到这类版式上。

组件与计算：五个分析轴各自管什么？

第一个组件是中心性。外围意味着没有 Freesound 主任务仍可运转，基础意味着 Freesound 是主要声音来源但不是概念焦点，中央意味着浏览与操作声库就是应用的主目的。第二个组件是交互性。无交互指用户完全不能控制取回过程，例如后台自动抓取；受限指只有极简单的单次查询或后端映射。

基础指至少一种用户可控搜索加至多 4 个元数据过滤；高级指支持两种以上搜索类型。第 3 个组件是检索与过滤。检索分为声学内容、文本语义、相似度 3 类，外加随机作为对照；过滤包括授权、时长、采样数、用户名、声音包、标签、上传日期、声道数、文件类型、文件大小、显式排除和地理位置，排序也被视为影响浏览顺序的机制。

第 4 个组件是输入机制，只统计直接影响声库交互的模态，包括键鼠点选、手势、语音命令、音频输入、硬件控制器和其他模态。第五个组件是操作类型，从轻到重依次为取回即保存、取回即放入工作区、放入结构化网格循环触发、可进一步改变音高裁剪加效果、由系统自动重组或生成。

文本检索 × 内容检索： 文本检索分工是利用标签、标题和描述做概念定位，内容检索分工是利用时长、频谱质心、MFCC、响度等声学特征做声音属性定位，二者搭配理由是语义标签不稳定而声学特征可直接度量，组合意义是同一查询可同时约束想说什么和听起来怎样。

中心性 × 交互性： 中心性分工是刻画声库在工作流中的结构地位，交互性分工是刻画用户能否迭代地检索、过滤和获得反馈，二者搭配理由是重要不等于可探索，组合意义是只有中央且高交互的系统才支持用户驱动的声音发现。

相似检索 × 编排： 相似检索分工是把目标声音映射到声学或语义嵌入空间并返回近邻，编排分工是把取回的声音放入网格或空间并规定触发关系，二者搭配理由是相似性能自动形成可演奏的声音组，组合意义是浏览即作曲，找声音与摆声音在同一动作中完成。

过滤器 × 检索策略： 过滤器分工是收窄结果集如限定授权、时长或声道数，检索策略分工是决定以何种相似性组织候选，二者搭配理由是前者保可用性后者保发现性，组合意义是当过滤足够强时它会实质改变浏览结构，从约束退化为另一种检索。

把组合机制说透很重要。文本加声学不是简单叠加：前者回答找什么概念，后者回答要什么听感，二者结合后可在 1 次查询中同时约束语义与声学。中心加交互不是同义反复：前者决定值不值得探索，后者决定能不能探索，二者结合才能识别伪探索，即高度依赖声库却只给关键词框的系统。相似加编排不是前后无关：前者自动把听感相近的声音聚成一组，后者把这组声音变成可触发的乐器，二者结合让浏览动作直接长成演奏动作。过滤加检索不是主从分明：当过滤条件过强，它会实质主导候选的组织方式，例如只留短采样会把鼓机场景的候选完全改写，此时过滤行使了检索的功能。

有无训练：本研究训练了什么、调用了什么？

本研究没有训练任何神经网络模型，也没有报告梯度路径、参数冻结或优化器配置，因此不存在训练集划分、早停或学习率等事项。必须明确这一点，避免把无训练误读为确定性求解。论文的真实计算过程是调查与测量。第一类计算是日志聚合：取约 3 个月内每周平均的网页与接口搜索量，比较文本搜索端点与原内容搜索、组合搜索端点的请求量，并观察 2025 年接口统一为单一搜索端点后，带内容描述符的请求占比是否提升。

第二类计算是人工分类计数：对 60 个应用按 5 组分析轴逐项标注，再按类别汇总数量与百分比，生成交互性、中心性、操作类型与检索方式的分布。第 3 类计算是接口能力映射：对照文档列出可用的文本查询、时域与频谱描述符、感知属性、高层语义类别、排序与相似检索，以及用户、声音、声音包与合集等结构化端点，再检查样本实际用了其中多少。第 4 类是客户端库盘点：确认存在多种语言的调用封装，论文点名包括 Python、JavaScript、JUCE、SuperCollider、Max/MSP 和 Common Lisp 方向的实现。

缺项也要指出：论文未报告标注者一致性、分类不确定项的裁决流程细节，也未公开逐应用的完整标注表以供重算，所有百分比的聚合口径以正文描述为准。

实验条件：样本从哪来、规模与日志窗口是什么？

要复述方法，先固定 3 个条件。样本条件是 60 个创意应用与声音界面，来源为 Freesound Labs 筛后 42 个加日志与代码仓库补入 18 个，时间跨度覆盖 2008 至 2026 年，排序按年代排列。规模条件是声库侧报告超过 720,000 条声音与超过 1600 万注册用户，访问侧报告网页每周约 12,000,000 次搜索、接口每周约 1,000,000 次搜索，日志聚合窗口约为 11 月至 1 月的 3 个月。

接口条件是 2011 年首版、2014 年第二版增加上传与元数据加描述符组合搜索、2025 年大更新重组元数据检索并引入新的相似空间、描述符与宽泛声音分类体系，原文本、内容、组合 3 个端点合并为统一搜索端点。下表把过滤机制的可用项与出现情况组织起来，比较问题是用户可控过滤与后端预设过滤各偏向哪些字段，公平条件是同一 60 样本集合，指标方向是出现次数越多说明该约束越常被显式处理。

表后解释需要同时看到收益与代价。原表显示采样数、用户名等字段在用户可控侧仅出现 1 至 2 次，文件类型、上传日期、声道数、文件大小、显式排除、地理位置等在用户侧为零而仅在后端出现 1 次，说明设计者倾向把复杂约束藏在后端，用最低认知负荷给出可直接用的声音。代价是用户失去迭代能力：当后端替用户决定时长或授权，探索的透明度下降，后文交互性偏低的分布与此一致。

未胜出项是地理位置与文件属性类过滤，它们在创意鼓机与插件场景中几乎不暴露给用户，仅在地球歌曲类地理应用中成为主检索，提示过滤的价值高度依赖任务。 输入模态的分布回答另一个公平比较问题：在同一 60 样本下，哪种身体动作真正驱动了声库交互。表前问题是键鼠点选是否因网页化而一家独大，条件是按应用计数与按动作出现次数双口径，指标方向是占比越高说明该模态越主导。

表后解释是，键鼠点选在应用数与出现次数上均占近 70%，硬件、音频输入、手势各占约 10% 或更低，语音与其他模态仅各 1 例。这种集中带来实现收益：文本框加点击最易与网页音频宿主集成；代价是可达性与表现力受限，手势与语音等更具表演性的输入在样本中罕见。未胜出项同样重要：约 7.9% 的应用不提供用户可控输入，它们多为自动生成或后台抓取，提醒读者交互性为零不等于系统无价值，而是任务目标本就不是探索。

主结果：中央多、高交互少、文本搜索一家独大

论文报告的主分布可用三句话概括。中心性上约 57.1% 的应用属于中央，约 22.2% 属于基础，约 20.6% 属于外围，说明多数系统把声库当主角。交互性上基础档占比过半，高级档仅约 9.5%，受限档约 25.4%，无交互档约 7.9%，说明多数系统只给一种可控搜索。检索方式上文本语义出现于 82.5% 的应用，单独只用文本的超过一半，随机、声学、相似各仅出现 6 至 8 次，日期与地理等更少。

操作类型上编排最多，变换次之，获取类合计约占 30% 以上，增强编排最少。作者据此判断 Freesound 兼具基础设施与灵感来源的双重角色，但接口能力远未被用足。 结果小节需要先建立对柱状分布的直读，再谈机制含义。下段先提出导读：左中右 3 组条形分别回答交互是否可控、声库是否重要、拿到声音后做什么，纵轴为应用百分比，横轴为等级或类型。

看图路径： 1. 先看左图交互性柱状在取值为 1 处高达 n 等于 36；2. 再看中图中心性柱状在取值为 1 处同样高达 n 等于 36；3. 最后看右图编排类横条最长而增强编排类最短

论文图 2。原论文 Figure 2：“Distribution of interactivity, centrality, and type of manipulation across applications.”。

该图报告为交互性、中心性与操作类型的分布，左图可见取值为 1 的柱条显著高于 0、0.5 与 2 并标注 n 等于 36，中图可见取值为 1 的柱条同样最高并标注 n 等于 36，右图可见编排横条最长标注 n 等于 20 而增强编排最短标注 n 等于 7。这种形状支持论文的核心判断：中央常见而高级交互稀缺，编排常见而深度变换与精细编排稀缺。教学上把它当作反证练习：若只看中图会以为探索很繁荣，但左图的高级档很矮，说明重要性不等于可操作性，二者必须联合阅读。

为固定规模印象，下表整理声库与访问量的量级对照，比较问题是网页浏览与程序调用各自承担多大访问压力，公平条件是同一约 3 个月窗口的周平均，指标方向是数值越大说明该通道越是主要入口。

表后解释要给出收益与限制。收益是量级对比让基础设施判断可核对：网页仍是主要浏览入口，但接口每周百万量级说明程序化使用已是重要通道。

限制是这些数字覆盖全部接口用途，包括批量下载训练数据，不能直接等同于创意应用的贡献；内容端点月请求仅数百量级、新端点单描述符峰值仅数千量级，提示声学能力的全局使用率极低，但这组全局数字不能替代样本内部分布，后者需看饼图与分类统计。未评测边界是延迟、误检率与授权合规成本，论文未测量这些量，不能从使用率低推出体验差。

反证与消融：拿掉文本搜索会怎样？哪些能力被绕过？

本论文没有模型消融实验，这里的反证指用分布与案例检验检索假设。若拿掉文本搜索，超过一半只依赖文本的应用将无法定位声音，这是文本主导的直接代价。反过来，若只保留文本而不用声学与相似，系统会失去按听感找声音的能力，论文用多个案例说明这种损失已被部分开发者感知：循环生成器与鼓机类应用叠加相似与随机以替换候选，麦克风查询应用用相似匹配输入声音，现场编码扩展用文本加声学组合查询。

但更有力的反证是绕过行为：少数应用取回后在本地计算相似或映射颜色，而不使用接口内置相似；循环应用明明可用声库声学元数据却选择本地分析；三款应用用自定义分析器做后过滤，原因是所需的前背景分类等信息在声库中不存在。这说明未使用不全是观念问题，也有能力缺口与信任问题。 下段先做饼图导读：该图回答每种检索在样本中出现多少次，扇区越大说明依赖越集中，标注同时给出百分比与 n 值。

看图路径： 1. 先确认饼图最大扇区标注为 t 且占比百分之六十五点零；2. 再依次读出 s、a、r 等小扇区的 n 值与百分比；3. 最后观察顶部 da 与 g 等极小扇区几乎只占一条缝

论文图 3。原论文 Figure 3：“Retrieval usage across applications”。

该图报告为检索使用占比，像素可见标 t 的扇区占据约三分之二并标注 65.0% 与 n 等于 52，标 s 的扇区约 10.0% 与 n 等于 8，标 a 与 r 的扇区各约 7.5% 与 n 等于 6，其余极小扇区几乎挤在顶部。这种极不均衡支持论文判断：语义文本是默认路径，声学与相似是例外路径。教学上把它当作条件判断练习：鼓机与音序器场景偏爱短采样，时长过滤因此在后端高频出现；地理应用把地理位置从过滤提升为检索，说明同一字段在不同任务中角色会翻转。

为核对全局日志与样本趋势是否一致，下表整理接口侧的请求结构，比较问题是文本端点是否在全局同样主导，公平条件是同一日志窗口，指标方向是请求数越小说明该能力越少被调用。

表后解释需点明两层一致与一层差异。一致的是全局与样本都显示文本主导、内容与组合极少；一致的是新统一端点上线后带描述符请求仍只占极小份额。

差异的是全局数字包含训练批量下载等非创意用途，不能直接推出创意场景的因果；样本中相似检索占比高于全局组合端点，提示创意工具对近邻浏览的需求高于通用调用。未胜出项是日期与地理检索，它们在全局与样本中都极少，说明不是通用解，仅在时间线与地球仪类应用中成立。

限制是什么：样本偏差与未测量的量有哪些？

论文明确承认数据收集受限。第一，Freesound Labs 依赖团队收录与社区提交，个人项目与文档不全的系统易被遗漏。第二，接口日志中大量客户端没有项目链接或源代码，无法纳入分类，高流量早期应用可能因此缺席。第三，未使用接口密钥的调用、未公开仓库的内部工具不在视野内。第四，约 28.6% 的系统缺少预设过滤信息，不确定分类以星号标出，空白表示未知。

因此所有百分比应理解为对可观察生态的估计，而非对全部使用的普查。第二类限制是未测量的量：论文未测量检索延迟、计算开销、输出帧率、授权误判率与用户任务完成度，也未做受控的用户实验比较不同检索的创作效果。于是不能承诺增加声学或相似检索一定提升效率或质量，只能说它们在当前样本中少见且在全局日志中占比极低。

第 3 类限制是异质性本身：录音质量、标签完整度与授权条件差异大，时长与授权在界面中较常被显式处理，而质量与描述缺失较少被缓解，这会收窄实际可探索范围。区分直接报告、有限解释与推测很重要：分布数字是报告，性能优化导致探索受限是有限解释，未来界面会自动用好新相似空间则是待验证的可能。

复现先做什么：拿到 60 名单、重跑分类与日志对照

若要复现这项调查，先做三件事。第一，重建名单：按论文规则抓取 Freesound Labs 条目并筛除工作坊、装置与非创意交互项，再以五年累计超 10,000 次查询为阈值筛接口客户端，并以文档提及为条件检索公开仓库，保留交集为 60 个对象，记录每个对象的日期、关键词与链接。第二，重跑分类：为每个应用按中心性四档、交互性四档、检索 4 类加随机、过滤十二项加排序、输入 6 类、操作 5 类打标，不确定项标星号并保留证据链接，空白留空而不猜测，最后汇总为交互、中心、操作与检索的计数表。

第三，对照日志：在约 3 个月窗口计算网页与接口周平均搜索量，分别统计文本、内容、组合与新统一端点带描述符的请求量，检查文本主导与内容稀少的结论是否复现。关键信息条件是必须区分用户可控过滤与后端预设过滤，同一字段在两列含义不同；必须区分应用覆盖率与请求出现占比，饼图内外两层数字口径不同。

代码与资源状态方面，本次收到的第三方链接经核对均为可用，包括现场编码、鼓机脚本、采样器封装、网页处理场与鼓组生成器等，但可用不等于可一键运行，运行还需接口密钥、授权合规与宿主版本匹配。还需补的验证是补充用户实验：固定同一声音任务，比较纯文本、文本加时长过滤、文本加声学过滤、相似替换 4 种可运行策略的完成时间与满意度，才能把探索更丰富转化为可部署收益。

收束：何时值得尝试声学与相似检索？

综合全部证据，可以给出务实建议。当任务是快速为视频或课堂拼出可用声音，且宿主是数字音频工作站或编辑器，文本搜索加授权与时长过滤仍是最省力的选择，论文点名的多款工作站集成走的正是这条路。当任务是鼓机、循环与现场演出，需要短采样与可替换性，值得在文本基础上叠加相似与随机，并把时长约束放在后端，以换取低认知负荷下的可玩性。

当任务是声音漫步、地图浏览或音色探索，值得尝试声学描述符与相似空间：前者按听感组织候选，后者把浏览变成近邻漫游，地球歌曲类与音色浏览器类应用已验证这种组织的教学价值。当任务是生成式 soundscape 或自动配乐，Freesound 更适合做结构化材料源而非可探索语料，此时应把精力放在生成规则而非检索 richness 上。常见误解需要澄清：接口能力多不等于界面会自动丰富，新端点上线后带描述符请求仍极少，说明文档与示例比功能本身更稀缺。

本地分析不等于接口无用，预计算描述符可省去重复计算，适合对延迟敏感的创意场景。最终判断是，Freesound 已是创意声音系统的基础设施，但其探索潜力只实现了一部分，补齐声学、相似与关系元数据的可用示例，是下一步最值得做的工程与研究工作。

📐 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 29 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