我已掌握足够的事实依据。关键发现如下：

1. WhisperKit (arXiv 2507.10860, 2025年7月) —— 针对苹果设备的端上实时 ASR，并未被引用或比较。
2. WhisperFlow (MobiSys 2025) —— 已作为基准进行比较，使用了 hush words。
3. Whisper 幻觉检测领域已有数篇近期研究（Corpataux 等人关于局部置信度的研究，以及 2606.23060 关于模型内部机制的研究）—— 本文的交叉注意力（cross-attention）方法与之相关但有区别。
4. NITRO (arXiv 2412.11053) —— LLM 在 Intel 笔记本 NPU 上的推理，涉及类似的静态图挑战。
5. AMD Ryzen AI Whisper —— 面向 NPU 的 Whisper 部署，属于工业界研究。

我已从全文以及外部搜索中获得了足够的信息来撰写评审。现在让我来汇总评审结果。

论文评审：NPUsper：消除移动 NPU 上实时 Whisper 的冗余计算

论文类型: 系统型

本文是一个完整的端到端系统，通过两个协同设计的技术（基于交叉注意力的幻觉检测 + 针对静态图 NPU 的受控展开）来解决移动 NPU 上 Whisper 流式转写的效率问题。论文主要贡献在于系统集成与工程层面，而非单一算法创新。

公理审查结果

公理一：对象公理

• 判定: ✅
• 分数: 8
• 依据: 论文研究的对象真实且清晰：Whisper 流式转写在移动 NPU 上存在大量冗余计算（padding overhead + KV-cache full-length computation）。Figure 2 的动机实验量化了 padding 对编码延迟的影响（3.8 倍增长）和幻觉率的关系，证明问题真实存在。Figure 3 展示了 NPU 与 GPU 的效率差异（3 倍速度提升、功耗从 1.99W 降至 1.14W）以及静态图执行的不匹配。问题在当前 Whisper 部署中广泛存在，且对移动端实时转写场景具有明确工程价值。核心概念（hallucination, temporal grounding, controlled unrolling）均可操作化定义。
• Wiki 证据: OMC wiki 无记录。free-search 找到 WhisperKit (2507.10860) 和 AMD Ryzen AI Whisper 部署文章，证实移动端 Whisper 部署是活跃研究方向。WhisperFlow (MobiSys 2025) 也针对同一问题，验证了问题的真实性。

公理二：识别公理

• 判定: ⚠️
• 分数: 6
• 依据: 论文包含组件级消融（Table 1: backward-shift detection → smoothing → median filtering → skip punctuation → skip subword tokens, 逐步降低幻觉率从 34.4% 到 0.0%），Table 2 对滤波参数进行了选择，Table 7 对 chunk size 进行了选择。然而存在以下缺口：(1) 两个核心技术（幻觉检测 vs. 受控展开）的相对贡献未隔离——没有单独评估“仅幻觉检测”（在 GPU 上）和“仅受控展开”（在 NPU 上，使用 padding 基线）的系统级消融。(2) AlignAtt 解码策略被论文直接采用但未作为独立变量控制——SS 和 SW 也使用 AlignAtt，但 NPUsper 的延迟优势有多少来自短输入 vs. AlignAtt 的 token 发射策略未被完全分离。(3) Table 1 的消融在 LibriSpeech 250 样本上完成，但系统级评估在 TED-LIUM 3 上进行，消融结论的外推性未验证。
• Wiki 证据: OMC wiki 无记录。free-search 找到 Whisper 幻觉检测领域的同期工作（Corpataux 等 “Detecting Whisper Hallucinations with Local Confidence Contrasts”, arXiv 2606.23060 “From Text Metrics to Model Internals”），这些工作提供了替代检测方法，但本文未与之比较。

公理三：独立性公理

• 判定: ✅
• 分数: 8
• 依据: 评估使用了标准公开数据集（TED-LIUM 3, Meanwhile, LibriSpeech），评测指标（WER, CER, per-word latency, TTFT, power）均为领域标准。幻觉检测机制的训练/调参在 LibriSpeech 上完成，系统级评估在 TED-LIUM 3 和 Meanwhile 上进行，数据集之间独立。功率测量使用 Monsoon 硬件功率监视器和 Qualcomm Profiler，减去 idle baseline，方法独立可信。无循环论证迹象。
• Wiki 证据: OMC wiki 无记录。free-search 确认 TED-LIUM 3 和 LibriSpeech 均为标准公开 ASR benchmark，无独立性疑虑。

公理四：压缩公理

• 判定: ⚠️
• 分数: 6
• 依据: 系统由两个相对独立的技术组成：(1) 基于交叉注意力时间单调性的幻觉检测——核心判定仅依赖 f_i^+ < f_i^- 这一简单条件（公式 4），无需阈值调整，这是一个好的压缩。(2) 受控展开——将自回归解码展开为 K 步 chunk graph，本质是在 graph dispatch overhead 和 redundant KV-cache computation 之间的工程权衡，chunk size 通过实验选择（Table 7）。两个技术各自简洁，但系统整体是工程组合：幻觉检测解决“为什么可以不用 padding”，受控展开解决“如何在 NPU 上高效执行”。论文未提供更深的机制解释（如为什么交叉注意力在幻觉时会出现 backward shift 的因果机制），仅给出了经验观察（Figure 5）和假设（”we hypothesize that valid tokens follow a monotonic progression”）。命名“NPUsper”有双关膨胀嫌疑（NPU + Whisper + “NP” = no padding）。
• Wiki 证据: OMC wiki 无记录。free-search 找到 AlignAtt (Papi et al., 2023) 已使用交叉注意力对齐进行流式解码控制，本文的交叉注意力分析建立在该工作之上但应用于不同目的（幻觉检测 vs. chunk 边界检测）。DTW carry-over 更新是标准算法应用。

公理五：效用公理

• 判定: ⚠️
• 分数: 6
• 依据: 绝对指标：在 S25 和 X Plus 上，NPUsper (Ours-N) 实现了 0.46W/0.81W 平均功率和 1.71–4.84 倍更低的每词延迟。相对提升显著。但存在以下问题：(1) WER 差距明显：在 TED-LIUM 3 上，NPUsper WER 为 14.18% 而 SS 和 SW 分别为 11.26% 和 11.40%，差距约 3pp（Table 4），这不是“comparable”——论文声称“maintaining comparable transcription accuracy”但 3pp WER 差距在 ASR 领域是显著的。在 Meanwhile 上差距更大（16.36% vs. 12.06%/12.93%）。(2) Baseline 遗漏：WhisperKit (arXiv 2507.10860, 2025年7月) 是同期的端上实时 Whisper 系统，未被引用或比较。AMD Ryzen AI Whisper NPU 部署也未被讨论。(3) WS 和 WF 系统未能处理完整音频（truncated power traces），与其比较的 latency/power 数据可能不公平——论文虽然提到了这一点但仍在主结果中展示。(4) 评估仅用 2 个 TED-LIUM 3 talks 作为主要结果，规模偏小。
• Wiki 证据: OMC wiki 无记录。free-search 找到 WhisperKit (2507.10860) 是同期工作（2025年7月 vs. 本文 2026年7月，相隔 1 年，不构成 concurrent work 豁免），应作为 baseline 比较。WhisperFlow 已被比较。

公理六：新颖性公理

• 判定: ⚠️
• 分数: 5
• 依据: 两个核心技术的新颖性需分别评估：(1) 交叉注意力幻觉检测：AlignAtt (Papi et al., 2023) 已使用交叉注意力进行流式对齐和停止决策。本文将其扩展为幻觉检测信号——通过 backward shift 判定幻觉。这一应用是新的，但底层信号（交叉注意力时间对齐）已有先例。同期有多个 Whisper 幻觉检测工作（Corpataux 等 local confidence contrasts; arXiv 2606.23060 model internals; arXiv 2606.07473 hidden representation steering），本文的方法是其中一种，但未与这些替代方法比较。(2) 受控展开：将自回归解码展开为固定 chunk graph 是 NPU 部署中的标准工程技术（Qualcomm QAI Hub 已有固定全长度图设计），本文的贡献是在 dispatch overhead 和 redundant computation 之间选择 chunk size 的实验分析——这是工程优化而非机制创新。整体系统是 A（交叉注意力幻觉检测）+ B（受控展开）+ C（AlignAtt 解码）+ D（DTW carry-over）的组合，各组件必要性有一定消融支持（Table 1），但组件间 synergy 未被深入分析。
• Wiki 证据: OMC wiki 无记录。free-search 找到 NITRO (arXiv 2412.11053) 在 Intel NPU 上做 LLM 推理，面临类似的静态图挑战。AlignAtt 已有交叉注意力对齐的先例。多个 Whisper 幻觉检测同期工作存在。

公理七：可复现公理

• 判定: ✅
• 分数: 8
• 依据: 论文提供了开源代码仓库（https://github.com/npusper/NPUsper）。实现细节充分：Appendix C 描述 GPU 实现（whisper.cpp + GGML OpenCL backend），Appendix D 描述 NPU 实现（ONNX Runtime QNN + QAIRT SDK），包括图构建、bucketing 策略（公式中 B={3,4,5,6,30}s）、chunk schedule ([4,6,5,5,5,5])、交叉注意力 masking 细节、self-attention dummy slot 处理等。评估在商用设备（Samsung Galaxy S25, Snapdragon X Plus）上进行，设备可购买。功率测量方法详细描述（Appendix B.2: Monsoon HV Power Monitor, Vout=4.42V, fs=5000Hz）。滤波参数 (wa=10, wm=7) 明确给出。主要限制是 NPU 编译工具链（QAIRT 2.37.1）的可用性和设备特定性。
• Wiki 证据: OMC wiki 无记录。代码仓库公开可访问（free-search 确认 GitHub 页面存在）。

日报摘要

• Strength: 通过交叉注意力 backward shift 在线检测幻觉 token 以消除 padding overhead，结合 K 步 chunk graph 的 controlled unrolling 适配 NPU 静态图执行，在 Samsung Galaxy S25 上实现 4.84x 更低的每词延迟和 88.64% 更低的平均功耗。
• Weakness: WER 在 TED-LIUM 3 上比 SimulStreaming/Simul-Whisper 高约 3pp（14.18% vs. 11.26%/11.40%），论文声称 “comparable accuracy” 不够诚实；且同期 on-device Whisper 系统 WhisperKit (2507.10860) 未被引用或比较。

总评

• 科学价值: 中 — 交叉注意力 backward shift 作为幻觉检测信号是有效的新观察，但缺乏深层因果机制解释；controlled unrolling 是标准工程优化。
• 方法价值: 中 — 两个技术组合在系统层面有效，但组件间协同效应（synergy）未深入分析，各组件独立性消融不完整。
• 社区价值: 中高 — 开源代码 + 商用设备评估 + 详细实现细节使其成为移动端 Whisper 部署的有用参考，但 WER 差距和 baseline 遗漏削弱了可信度。

打分

加权总分: 6.11/10（加权分之和 61.0 / 权重之和 9.5） 最终建议: Weak Accept (6.5-8)