不为控制发声：把手部预测失败变成增强现实里的声音材料

英文题目：Sounds from Mismatch: Sensorimotor Prediction Error as Sonic Material in Augmented Reality.

会议身份：conference:nime:2026:conference-paper-id:nime2026_57

✅ 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：#信号处理 #实时处理 #音乐 #音频交互

评分：6.8/10 | 创新 1.5/2 | 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 0.7/1.5 | 开源 1.2/1.5 | 可复现 0.1/0.5 | 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

• Domenico Stefani：机构信息未能从会议 PDF 纯文本可靠映射
• Alberto Boem：机构信息未能从会议 PDF 纯文本可靠映射
• Luca Turchet：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

Sounds from Mismatch针对增强现实中手部动作缺少具身聆听维度的问题，输入为WebXR手部追踪提供的双手多关节三维位置流，输出为随预测失配连续变化的颗粒合成纹理与幽灵手可视化，难点在于将幅度小且高度相关的关节运动转化为可感知、可探索的声音差异。系统先为每个单轴追踪信号并行挂载多视界算法预测器，以20ms间隔馈入当前采样并按视界步数前滚预测，再将各预测结果推入对应队列缓冲延迟对齐，以得到当前时刻对现在的过去预期。接着计算实际位置与预期位置的误差向量并驱动体素密度与骨骼连接可视化，最后将拇指与食指指尖等部位平均误差映射至颗粒大小、音高与音量等双手独立合成器参数，实现静止即沉默、偏离即发声。与用循环神经网络预测手势并做延续或呼应的EMPI不同，该系统不播放预测内容本身，而是将失配量直接作为首要声音材料，具有探索预测关系而非控制乐器的意义。在手部追踪录制回放评测下，线性外推在+20ms视界的均方误差指标为3.9e-04，低于线性外推在+1s视界的均方误差指标2.7e-02。该结论适用边界限于离线回放与作者内测体验，陌生用户身体图式扰动能否持续尚未验证。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 代码相关资源：https://github.com/domenicostefani/sounds-from-mismatch-xr — 链接可访问（HTTP 200）
• 第三方资源：https://github.com/immersive-web/webxr — 链接可访问（HTTP 200）
• 第三方资源：https://threejs.org/ — 链接可访问（HTTP 200）
• 第三方资源：https://immersiveweb.dev/ — 链接可访问（HTTP 200）
• 第三方资源：https://developer.mozilla.org/en-US/docs/Web/API/XRHand — 链接可访问（HTTP 200）
• 第三方资源：https://threejs.org/docs/#XRManager — 链接可访问（HTTP 200）
• 第三方资源：https://tonejs.github.io/ — 链接可访问（HTTP 200）
• 第三方资源：https://freesound.org — 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

输入是什么，目标是什么，本文要解决哪种演奏关系？

本文的输入是增强现实眼镜或视频透视头显上的双手跟踪流，目标是让声音从身体动作与系统预期之间的失配中产生。读者需要先保留 3 个信息。第一，系统不设可敲击的界面，乐器就是动作与预期之间的关系间隙。第二，当真实手与预测的幽灵手重合时保持静默，偏离时才发声。第三，全部实现放在支持网络扩展现实与网络音频的浏览器里，可在消费级透视眼镜和头显上运行。

对刚入门的同学，白话是这样。预测处理认为大脑持续产生假设并用误差修正，身体自我感也是被维持的受控幻觉。本文把这个思想搬到声音设计里。系统自己长出一个小大脑，持续猜你的手下一刻去哪里，猜错的程度直接变成颗粒声音与粒子重影。演奏不再是按准音符，而是去试探自己在何处不可预测。

输出是 1 篇可复述的方法解读。按学习依赖展开，先讲与延续式预测乐器的路线差异，再讲全景与视觉音频组件，然后讲预测器构造与离线调参工具，最后讲实验条件、误差数字、设计取舍与复现路径。教学用的例子会明确标为例子，不把推测当作论文报告的事实。

与用预测做延续和应答的路线有何不同？

相关工作有 3 条线。第一条是预测处理与身体自我感知，引用自由能原理与主动推断，强调感知是主动假设检验，惊讶定义为模型与现实的失配。本文直接把惊讶拿来当声音材料，而不是要最小化的量。第二条是音乐接口中的预测，例如用循环神经网络预测手势并驱动执行器做延续或呼应。本文明确反转该逻辑，声音代表预测在哪里失败，而不是系统认为你将做什么。

第 3 条是手与乐器关系、手部增强界面、身体图式与身体意象的区分，以及橡胶手错觉所揭示的自我感可被扰动。本文把手从输入设备转成被建模对象。

身体图式 × 自我之手关系： 身体图式负责描述动作前反思性的运动可能性场，它平时透明运作；自我之手关系负责把注意点从手与乐器的边界转到手与自我预测的边界。搭配理由是传统增强现实乐器研究把手当输入设备，而本文要让手成为被建模和被观察的对象。组合意义是提出手不再按压界面，而是与自己的预测模型博弈，表达来自被不完美建模的摩擦。

同输入同目标的对照要严格。同样输入双手运动、同样目标生成音乐，但监督与运行阶段不同。延续式系统用学习到的风格接着演奏，应答式系统用预测输出驱动外部动作，而本文用同一时刻预测与现实的差值驱动声音。类别差异不能当胜负。本文也不报告与深度手势预测器的同条件精度对比，因此不能说算法预测器更好，只能说在需要同时跑数十个预测器且眼镜算力受限时，作者选择了可部署的算法路线。

要建模的预测问题如何定义，静默条件是什么？

问题定义很具体。对每只手的每个关键关节的每个 3 维轴，维护一个单变量时间序列预测器。每个刷新步读入当前采样，按各自预测视界向前滚动多步，把结果写入队列缓冲，延迟到视界到达的真实时刻再取出。这样在任意时刻，幽灵手关节都代表过去对现在的 anticipations，即在之前若干步做出的对未来若干步的预测。误差是同一时刻真实位置与该延迟预测的差。

举一个教学例子帮助理解，不代表论文实测值。假设刷新间隔是 20 毫秒，预测视界是 10 步即 200 毫秒。系统在时刻零看到指尖位置并预测时刻 200 毫秒的位置，该预测值被缓存，直到真实时间走到 200 毫秒才与真实位置比较。这个例子只解释延迟读取机制，真实视界覆盖 20 毫秒到 1 秒多个档。

静默条件是设计原点。手静止时预测逐渐追上真实，误差趋零，视觉重影收敛，声音趋于无声。动作突变、换向、单指大幅运动时误差增大，粒子密度与不透明度上升，粒度合成器音量与音色随之变化。任务的难点在于关节运动相关性强、跟踪范围大而差异小，如何让小误差可听可见又不让大挥扫长期饱和，是后文映射要解决的问题。

系统全景：从手部跟踪到幽灵手再到声音的主路径是什么？

主路径分 4 段。第一段是手部跟踪，浏览器通过网络扩展现实的手部输入模块获得每只手 11 个骨骼关节的 3 维位置，包括腕、掌骨与指尖。第二段是多预测器组，每个跟踪信号挂多个不同视界的预测器，每 20 毫秒刷新 1 次。第三段是可视化，用粒子系统画出真实位置与预测位置之间的体积、骨骼连接与运动拖尾，加色混合呈现幽灵感。第 4 段是音频，用左右手各一个颗粒播放器，把拇指、食指等指尖在不同轴上的平均误差映射到颗粒大小、音高与音量。

感觉运动预测误差 × 幽灵手： 感觉运动预测误差负责给出可听可见的驱动信号，它是真实关节位置与过去时刻对现在的预测之差；幽灵手负责把该误差变成第一人称视角下可注视的形体，即过去对现在的 anticipations 在当前时刻的落点。二者搭配的理由是只听声音难以定位是哪个关节在何时偏离，只看数字难以形成身体感，而把误差画成紧贴真手的重影，就让偏离同时成为视觉距离和声音变化，组合后新增的作用是把不可见的建模过程变成可探索的演奏关系。

下图是理解全景的关键。它左侧画出戴增强现实眼镜的人与 3 个标注，右侧并排给出小误差与大误差的第一人称视图，小误差时光点紧贴手指骨架，大误差时光点扩散成充满画面的云。请按导读顺序先看通路再看误差形态的对比。

看图路径： 1. 先看左侧示意图中从眼镜、手部区域和耳部引出的三处标注，确认输入与输出通路；2. 再对比中间小误差视图与右侧大误差视图中手上光点的密集程度与扩散范围；3. 注意大误差视图中光点已明显脱离手部骨架并充满画面

论文图 1。原论文 Figure 1：“A visual summary of the components and the experience provided by Sounds from Mismatch.”。

从像素看，左侧线条人物戴深色眼镜，双手前伸，浅蓝色锥形表示跟踪视场，耳部有音频波纹标记。中间小误差视图中双手骨架清晰，每指有不同颜色圆点，背景窗帘可见。右侧大误差视图中手形几乎被白色、品红、绿色、蓝色光斑淹没，光点脱离手指并上飘。该对比说明误差同时控制视觉弥散与声音强度，静止收敛、运动扩散是贯穿全文的不变关系。

视觉组件如何把误差画成可注视的重影？

视觉实现基于 3 维图形库与网络扩展现实的手部跟踪函数。每个关节维护 3 种粒子。区域粒子填充真实与预测关节之间的体积，密度与不透明度随误差幅度变化。连接粒子连起解剖相邻关节，形成掌部结构与指骨网格。运动拖尾保留速度感。

全部粒子用自定义着色器做加色混合与指数衰减，六色区分手部区域。早期调试版本直接画误差线段，作者发现它诱发用力甩手的爆发式交互，静止时又不能视觉对应静默，于是改成模糊拖尾的幽灵隐喻。

预测视界 × 声音映射： 预测视界负责决定幽灵手在时间上偏离多远，例如 20 毫秒对应 1 步、1 秒对应 50 步；声音映射负责把各关节在各轴上的平均误差送往粒度合成器的音高、颗粒大小和音量。搭配理由是短视界误差小而闪烁，长视界误差大而分离，只有把视界和映射一起调，才能得到既能感知又不至于饱和的声音。组合意义是视界选择了惊讶的时间尺度，映射选择了惊讶的音色落点。

下图是最终版幽灵手的 5 帧序列，展示从静止清晰到快速运动模糊再回到静止的过程，是理解时间扭曲感的核心证据。请按从左到右的时间顺序观察光斑面积的变化。

看图路径： 1. 按从左到右的五帧顺序观察双手从清晰到模糊再回到清晰的过程；2. 对比中间两帧白色与彩色光斑的膨胀面积与手形可辨认程度；3. 注意最后一帧静止后光斑如何收回到关节附近

论文图 3。原论文 Figure 3：“Ghost hand representation in the final version of SfM. From left to right, a sequence of actions showing the effects of the visualization of the prediction error.”。

从像素看，第一帧双手小而清晰，指尖色点分离。第二帧手稍抬起，白光在掌心增强。第三帧与第四帧双手前冲，光斑膨胀数倍并连成白色云团，手形不可辨。第 5 帧回到远处，光斑收缩回关节。该序列支持论文的说法。幽灵不是镜像也不是延迟重播，而是过去对现在的预测在现在的落点，接近静止时逐渐消失，这正是无误差即无声的视觉对应。

单指尺度上误差长什么样，映射又如何避开饱和？

音频实现用两个颗粒播放器，每手一个，音源是来自声音共享库的声音景观与电子声音。作者用自制浏览器工具回放录制的手部会话，观察不同预测器与视界下的预测与误差曲线，离线调映射而不必反复戴头显。最终映射把拇指指尖在水平与垂直轴的平均误差送往颗粒大小，食指指尖水平垂直平均误差送往音高，水平轴误差送往音量，映射随误差增大逐渐改变音色与音量。

粒度合成 × 自适应映射量程： 粒度合成负责把声音景观和电子声音切成小颗粒并用音高、播放速率、颗粒大小、重叠和音量重组，它用很少的控制就能覆盖很宽的音色；自适应映射量程负责根据实时遇到的误差最小最大值不断收缩与衰减，把不同幅度的动作都映射到可用的声音范围内。搭配理由是关节间运动独立性有限且误差尺度变化大，固定量程要么饱和要么静默。组合意义是用动态归一化保住小动作的细节，同时给大幅挥扫留出衰减时间。

同手关节独立性有限是主要困难。小变化相对大跟踪范围难以区分，而颗粒合成只需音高与颗粒大小就能覆盖宽调色板，于是作者按轴拆分误差。为应对尺度变化，引入随最小最大值实时更新的动态自适应映射量程，量程随时间收缩以适应不同幅度的探索，并用衰减时间防止大挥扫后长期静默或固定上限导致的动态压缩，代价是衰减时间与误差低通需要精细试错。

下图聚焦右手食指，单指序列更适合看清误差与指尖的空间关系。请沿箭头跟踪绿色标记与真实指尖的分离与重合。

看图路径： 1. 沿顶部蓝色箭头按时间顺序跟踪右手食指指尖的绿色标记；2. 观察中间两帧绿色拖尾的长度与分叉形态如何偏离指尖当前位置；3. 对比首尾两帧小偏离与中间帧大偏离的视觉差异

论文图 4。原论文 Figure 4：“From left to right, a sequence of actions showing the effects of the visualization of the prediction error, specifically looking at the right-hand index finger.”。

从像素看，5 帧中左手保持竖起食指，右手食指指尖有绿色圆点，蓝色虚线圈标出预测落点。前 2 帧绿点与指尖基本重合，第三帧绿点拉长成分叉拖尾并偏离指尖，第四帧拖尾更大且上飘，第 5 帧收回。该图说明误差不是均匀噪声，而是换向与加速时刻的定向偏离，这正是后文说突变混淆预测器、重复动作终将被预期的视觉依据。

本研究训练了什么，没有训练什么，真实计算是什么？

本研究没有训练神经网络，也没有报告梯度路径、损失优化、参数冻结或权重下载。必须明确说没有训练阶段，不能把无训练等同于确定性求解。真实计算是 3 类。第一类是在线推理式外推，6 种算法预测器对每个单轴信号每 20 毫秒更新 1 次并按视界滚动多步。第二类是队列延迟读取，每个预测结果按视界步数缓存，到达真实时刻再取出比较。第 3 类是离线人工调参，用回放工具观察误差形态的噪声、重复模式与慢适应，选择噪声低、无需额外滤波的模式匹配与正弦检测用于映射，并试错确定误差到声音参数的区间。

算法预测器 × 深度学习模型： 算法预测器负责用线性外推、指数平滑、卡尔曼滤波、动量、模式匹配和正弦检测等轻量规则对单轴时间序列做外推；深度学习模型在本研究中被明确放弃，负责作为对照路线说明为何不用循环神经网络做手势延续。搭配理由不是比较精度高低，而是算力与数量约束下必须同时运行 66 个预测器，紧凑眼镜端余量很小。组合意义是明确本系统走可实时运行的工程路线，把省下的算力留给渲染和音频。

未报告项要指出具体缺项。论文为简洁未给出 6 种预测器的数学公式，只指向代码仓库。优化器、学习率、数据划分训练验证测试、统计显著性均不适用，因为没有学习参数。复现者不应从预测器名称推定实现细节，例如卡尔曼的噪声协方差或霍尔特的平滑系数，必须回到开源仓库核对默认参数与初始化、重置时机。调用的是既有 3 维库、手部输入、颗粒播放器与声音素材，没有微调任何模型权重。

在什么数据、设备与运行条件下测误差与体验？

实验条件分两类，一类是可复述的预测器离线评估，一类是开发中的主观体验观察。离线评估用一段 2 分钟的手部跟踪录制，计算每个预测器在不同预测视界下的均方误差。视界覆盖 20 毫秒、100 毫秒、200 毫秒、400 毫秒与 1 秒。设备条件包括新型消费级透视眼镜与视频透视头显，浏览器端同时承担预测器、粒度合成与渲染。作者报告在紧凑眼镜上算力余量远小于头显，最初用音频编程语言编译的复杂颗粒处理器加混响超出处理能力，被迫换成更轻的网页音频颗粒库并削减混响，而在另一款头显上未见同样问题。

该表说明系统同时运行的预测器数量大而单步计算必须轻。每手 11 个关节乘三轴再乘双手与多视界，得到 66 个活跃预测器，每 20 毫秒更新。短视界 1 步与长视界 50 步对应同一刷新节拍的不同前瞻。2 分钟录制是后文均方误差表的唯一数据来源，没有划分训练测试集，也没有报告聚合方式是按轴平均还是按关节平均，复现时需回到代码确认聚合口径，不能把数值相同当作同一指标的证据。

不同预测器与视界的误差如何随前瞻增大而分叉？

主结果是离线均方误差随预测视界的变化。测量的是预测位置与真实位置之差的平方平均，指标方向是越小越好。比较在同一段 2 分钟录制、同一刷新节拍、同一组视界下进行，6 个策略都是实际可运行的算法预测器，没有用事后最优或 oracle 代替可部署收益。关键数字是短视界下模式匹配与正弦检测最低，长视界下二者仍保持最低，而卡尔曼与霍尔特在长视界上升更快。

下表是原文直接报告的均方误差矩阵，保留科学计数写法与精度，不做四舍五入与单位追加。比较问题是同一视界下谁的误差最小，公平条件是同一录制与同一视界档，指标方向为越小越好。

表后解释主要收益与代价。短视界 20 毫秒时模式匹配为 1.4e-04，正弦检测为 1.9e-04，低于线性外推的 3.9e-04 与卡尔曼的 6.6e-04。100 毫秒时模式匹配 5.5e-04 仍最低。200 毫秒时模式匹配 1.6e-03 最低，400 毫秒时同样 1.6e-03 量级中模式匹配 4.7e-03 最低，1 秒时正弦检测与模式匹配同为 1.6e-02 并列最低。代价是作者并未只选最低误差者，而是保留多种预测器，因为映射看重误差随时间的形状，如噪声、重复模式与慢适应，低噪声曲线可直接映射而无需额外滤波。未胜出项如卡尔曼在各视界误差偏高，但不能据此断言它在所有动作下无用，因为仅一段录制且未报告动作分布与方差。

下图把同一矩阵画成随步数上升的曲线，适合看分叉趋势。请先认图例再看长视界处的上下分组。

看图路径： 1. 先看图例确认六条曲线分别对应哪种预测器；2. 再看横轴步数增大时上分叉的两组与下分叉的两组走向；3. 注意 20 步附近卡尔曼与霍尔特曲线与其他曲线的上下位置关系

论文图 6。原论文 Figure 6：“MSE of each predictor.”。

从像素看，横轴为步数，可见 10、20、30 等刻度，纵轴为误差。6 条曲线在左侧收敛，20 步附近橙色卡尔曼方块线与蓝色霍尔特圆点线明显上扬，绿色线性外推与红色动量居中，紫色模式匹配与棕色正弦检测在右侧最低。该视觉支持表格结论，但像素不能精确读出每步数值，引用数值必须以表格为准，不能把曲线向下直接推广为全程性能变差，也不能把末步结果推广到所有动作。

拿掉视觉重影或换掉音频引擎会发生什么，论文做了哪些对照？

论文没有做神经网络消融，也没有逐个拿掉预测器的受控对照，相关验证是开发中的体验对比与工程替换。视觉方面，无幽灵手时作者发现自己总想用手去控制空间位置并归于静止，直接画误差线段时又诱发夸张甩手追求误差增大，只有模糊拖尾隐喻能同时表达运动扩散与静止收敛。音频方面，最初的复杂颗粒处理器加混响在眼镜端超出算力，被迫换成轻量颗粒库并削减混响，这不是音质偏好，而是预算约束下的可运行性选择。

预测视界方面，短视界 20 到 100 毫秒的重影紧贴真手呈闪烁噪声，长视界 400 毫秒到 1 秒分离更明显，作者推测存在既可区分又不脱离本体感的最优区间，但明确标注需实证验证。

这些观察支持视觉与音频分工不同。视觉重影决定用户是否进入探索而非控制，声音映射决定小误差是否可听。缺少任一模态都会改变注意分配，作者报告专注听时视觉重影退居次要，交互更具探索性，说明多模态存在竞争性注意需求。未评测边界包括不同光照与遮挡下的跟踪抖动、不同用户动作风格下的误差分布，以及长时间使用后误差映射是否被学会并转为认知策略，这些都不能从现有证据推断。

哪些结论只是初步观察，还缺哪项正式验证？

局限要分 3 层。第一层是论文直接报告的局限。全部体验结论来自开发者自身试用，没有结构化用户评估，没有现象学访谈、发声思维协议、运动分析与学习曲线，因此不能断言系统真正扰动身体图式还是只作为认知谜题。第二层是有限解释。作者观察到前反思的本体混乱与认知策略化在几分钟内交替，突发换向混淆预测器、重复动作终将被预期并归于静默，预测视界影响疏离感，但是否源于开发者熟悉系统仍是开放问题。

第 3 层是未验证推测。最优视界区间、多用户共享、长期使用是否被吸收为习得模式，都用可能与待验证表达，不能写成已显示。

数据局限同样具体。误差表只基于一段 2 分钟录制，未报告动作类型、速度分布、聚合对象与统计方法，不同指标的差值不能混放，自动误差不能当成人评。设备局限是眼镜与头显算力不对称，混响与复杂颗粒在眼镜上不可行，在头显上可行，总体趋势不等于每步都成立。伦理部分报告探索性测试自愿参与、知情同意、无个人数据留存、无利益冲突，复现涉及真人时仍需按机构要求补正式伦理审查。

要复现先做什么，需要哪些代码、素材与参数？

复现分 4 步。第一步准备运行环境，需要支持网络扩展现实与网络音频的浏览器、透视眼镜或视频透视头显的手部跟踪，以及 3 维图形库与颗粒播放器库。论文给出开源代码仓库，当前可用状态为已公开，另有在线托管的网络应用。第三方依赖包括网络扩展现实标准、手部输入文档、3 维库文档、音频库与声音素材库，复现时按仓库锁定版本安装。

第二步核对预测器实现，6 种算法的公式未在正文展开，必须回到仓库确认每轴状态初始化、平滑系数、噪声参数与重置时机，每 20 毫秒的刷新循环与多视界队列延迟读取要原样保留。第三步恢复映射，先用仓库自制工具回放录制会话，观察各视界误差曲线形状，再把拇指平均误差连到颗粒大小、食指平均误差连到音高、水平轴误差连到音量，并调自适应量程的衰减与低通。

第 4 步做预算测试，在目标眼镜上同时跑预测器、颗粒合成与粒子渲染，若卡顿则优先削减混响与粒子数，而不是加深预测模型。

何时值得尝试。如果目标是可穿戴第一人称的声音探索，或研究预期失配如何被听见，本文路线值得尝试。如果目标是精准打击乐 timing 或舞台大音量演出，跟踪抖动与自适应量程会带来不确定性，需补正式 timing 评测。还需补的验证是招募不熟悉系统的被试，做现象学访谈加运动分析，对比短长视界与有无视觉条件，才能回答 disruption 是否持续。

带走什么判断，为何误差可以是材料而非噪声？

带走的核心判断是预测误差在本系统中不是要最小化的噪声，而是同时驱动视觉弥散与声音变化的 1 级材料。技术上，它由过去对现在的延迟预测与现在的差定义，经多视界队列取出后分两路，一路控制粒子体积密度与拖尾，一路经自适应量程进入粒度合成。证据上，2 分钟录制上的均方误差表与曲线显示模式匹配与正弦检测在各视界保持较低误差，而作者保留多种预测器恰恰是为了利用不同误差形状做映射，这说明选择标准不是单一精度，而是可听性与低噪声。代价上，自适应量程需要精细调衰减，紧凑眼镜算力迫使简化音频链，且全部体验结论待正式用户评估验证。

对初学者的复述要点是沿一个样本走完全程。右手食指在某轴的位置流进入预测器，每 20 毫秒更新并按视界缓存，视界到达时取出与真实比较得到误差，该误差同时决定绿色拖尾偏离多远与颗粒音高偏移多少，手静止则拖尾收回且声音趋于静默。常见误解是把无训练当作输出确定，实际上跟踪噪声、动作风格与自适应量程历史都会改变声音。另一个误解是把表格最低误差当作最好听，论文明确说映射依据是误差的时间形态，而非数值最小。记住这两点，就抓住了本文把失配变成材料的完整逻辑。

⚖️ 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