评审已完成。以下是最终的结构化评审：

Paper Review: MetaPerch: Learning from metadata for bioacoustics foundation models

论文类型: 方法型

论文提出 MetaPerch，在 Perch 2.0 架构基础上移除 source prediction 和 self-distillation，引入 9 种 per-recording metadata 作为辅助多任务损失，最终保留 location（S2 cell classification）、season、background species 三种 metadata，在 17 个 bioacoustics 数据集上与 BioBaseline（同架构无 metadata）和 Perch 2.0（更强但更复杂的 SOTA）比较。核心贡献是”metadata 作为训练时辅助信号”这一范式的大规模实证研究。

公理审查结果

公理一：对象公理

• 判定: ✅
• 依据: 论文研究的对象——citizen science 平台中 per-recording metadata 作为辅助训练信号——真实存在且可操作化。Xeno-Canto API 中 metadata 覆盖率在 Figure 4 量化（location 接近 100%，background species 约 40%）。focal → soundscape domain shift 是 PAM 领域公认挑战。论文明确区分”训练时辅助信号”与”测试时 conditioning”，对象边界清楚。17 个评测数据集覆盖多类群多地理区域，claim 外延与实验范围一致。
• Wiki 证据: OMC wiki 无相关记录。Tavily 确认 Perch 2.0 是当前 SOTA（cited 36 次），BirdSet/BEANS/WABAD 是标准 benchmark。bioacoustics foundation model 是活跃研究方向（Schwinger et al. 2025 comparative review）。

公理二：识别公理

• 判定: ⚠️
• 依据: BioBaseline 作为同架构、同数据、同 compute 的公平比较基线是正确的。但存在缺口：(1) 缺少”随机辅助任务”最简对照，无法排除”任何额外任务都能带来类似提升”的替代解释；(2) 与 Perch 2.0 比较不完全公平——MetaPerch 删除了 source prediction 和 self-distillation 后加 metadata，未展示”在完整 Perch 2.0 上加 metadata”的结果，无法确定 metadata 增益是否被 source prediction（论文承认”may implicitly learn metadata information”）吸收；(3) 论文承认 validation 与 test performance 之间存在 disconnect（Table 5a 中 median Vizier trial 在 WABAD 上反而更好），影响因果归因。消融实验对 9 种 metadata 逐一测试有变量隔离，但未做保留组合之外的完整 factor analysis。
• Wiki 证据: OMC wiki 无记录。Tavily 确认 Perch 2.0 是直接前序工作。Chasmai et al. 2026（Bioacoustic Geolocation, ICML 2026）是同一作者同期工作，将 location prediction 作为主任务——论文正确引用并区分。

公理三：独立性公理

• 判定: ✅
• 依据: 训练数据来自公开 citizen science 平台，评测数据集（BirdSet、BEANS、WABAD）由第三方独立构建。metadata 来自 recordist 标注，与 species label 独立。评测指标为标准 ROC-AUC/accuracy/cmAP，不依赖训练 reward。无 synthetic pipeline 或 LLM judge 循环论证。模型选择使用独立 validation set，与 test set 无泄漏。
• Wiki 证据: OMC wiki 无记录。Tavily 确认 BirdSet、BEANS、WABAD 均为独立研究组维护的标准 benchmark。

公理四：压缩公理

• 判定: ⚠️
• 依据: 方法本身简洁（3 个 MLP head + cross-entropy），无过度装饰。但论文未提供强定量解释说明为何 metadata auxiliary loss work——仅给出直觉解释（”predicting location incentivizes attending to ambient sounds”）而未验证 causal pathway。与已有方法的关系未充分压缩：location auxiliary loss 在图像 geolocalization (Planet, GeoCLIP) 和视觉物种识别 (Mac Aodha et al. 2019) 中已有探索，论文未讨论 bioacoustics 中的应用是否本质等价。命名膨胀风险低。
• Wiki 证据: OMC wiki 无记录。Tavily 确认 GeoCLIP 和 SatCLIP 已探索 location embedding，论文引用并作为 distillation baseline 比较（Table A2）。

公理五：效用公理

• 判定: ⚠️
• 依据: vs BioBaseline 提升广泛存在（BirdSet +0.015 ROC-AUC, BEANS 分类 +0.016 acc, WABAD proto +0.018, WABAD 1-shot +0.070）。vs Perch 2.0 在 BEANS 上赢（+0.023 acc, +0.010 cmAP），在 BirdSet 上略输（-0.002 ROC-AUC）。但提升幅度整体偏小（多数 0.006-0.019），5 seeds 的标准差在 0.002-0.027，部分提升在 1-2 sigma 内。负面结果诚实报告（Gibbons -0.019 cmAP, deserts -0.024 ROC-AUC）。Baseline 覆盖 Perch 1.0/2.0、BirdMAE-L、NatureLM-Audio 等 9 个模型。
• Wiki 证据: OMC wiki 无记录。Tavily 确认 Perch 2.0（Google DeepMind, 2025.08）和 NatureLM-Audio（Earth Species Project, 2024）是主要 baseline，未发现遗漏的关键工作。

公理六：新颖性公理

• 判定: ✅
• 依据: “将 per-recording metadata 作为辅助多任务损失用于 bioacoustics foundation model 训练”在 bioacoustics 领域确实未被探索。论文清晰区分三条相关工作线：(a) test-time conditioning（Merlin, Chasmai et al. 2024）——推理时使用，不同；(b) NatureLM-Audio 用 metadata 构造 templated text captions——机制不同；(c) Chasmai et al. 2026 Bioacoustic Geolocation——location 作为主任务而非辅助任务，不同。跨领域迁移有真实价值（解决音频特有的 mixup with metadata、missing metadata、focal→soundscape shift 挑战）。不是简单 A+B+C：有 non-trivial 设计决策（mixup metadata multi-hot 处理、per-metadata adversarial vs standard 选择、hierarchical S2 cells）。消融证明组件必要性（Figure 7c, 7d）。
• Wiki 证据: OMC wiki 无记录。paper-wiki 无收录。Tavily 确认 NatureLM-Audio 使用 metadata 的方式是 text captions 而非 auxiliary loss；Gebhard et al. 2024 使用 per-species metadata 而非 per-recording metadata。

公理七：可复现公理

• 判定: ✅
• 依据: 代码开源（github:google-research/perch/metaperch）。训练数据全部公开（Xeno-Canto API, iNaturalist GBIF, Tierstimmenarchiv, FSD50K）。评测数据集公开。训练细节充分：spectrogram 参数（Section A.5）、完整超参数搜索空间和最优值（Table A3）、validation set 定义（Section 3.4）。5 random seeds 报告均值和标准差（Tables A4-A8）。不依赖闭源 API（Gemini API 仅用于被放弃的 text metadata 源）。
• Wiki 证据: OMC wiki 无记录。Tavily 确认 Perch 系列均开源，MetaPerch 延续此传统。

总评

• 科学价值: 中 — 首次在 bioacoustics foundation model 中系统性研究 per-recording metadata 作为辅助训练信号，9 种 metadata × 17 数据集的实证研究有参考价值。但提升幅度偏小，缺乏深层机制解释。
• 方法价值: 中 — 方法简洁实用（3 个 MLP head + cross-entropy），易部署。但未提供”为什么 metadata auxiliary loss 比 source prediction / self-distillation 更好”的因果分析。
• 社区价值: 中 — 代码开源、数据公开、benchmark 标准化，为后续研究提供基础设施。但提升幅度可能不足以驱动社区大规模转向。

日报摘要

• Strength: 首次在 bioacoustics foundation model 中系统研究 9 种 per-recording metadata 作为辅助多任务损失，在 17 个数据集上 vs 同架构 baseline 取得 +0.006-0.070 ROC-AUC 提升，在 BEANS 上达到 SOTA（mean acc 0.870, cmAP 0.512），代码开源、5 seeds、超参数完整公开。
• Weakness: vs BioBaseline 提升幅度偏小（多数 0.006-0.019，部分在 1-2 sigma 内），在 BirdSet 上略输 Perch 2.0（0.906 vs 0.908），未与”加随机辅助任务”最简对照比较，未在完整 Perch 2.0 架构上验证 metadata 增益是否被 source prediction 吸收。

打分

加权总分: 6.8/10（加权分之和 67.5 / 权重之和 9.5） 最终建议: Weak Accept