我已建立了强有力的事实锚点。关键发现如下：

1. 存在许多关于 Whisper 针对低资源语言微调的工作 (Whispering in Amharic, BaltiVoice, CBA-Whisper, Kazakh Whisper, Whisper-LM, Liu et al. 2024 “Exploration of Whisper fine-tuning strategies for low-resource ASR”) —— 针对低资源语言微调 Whisper 是一个成熟的研究范式。
2. HuggingFace 上已存在针对阿萨姆语微调的 Whisper 模型 (anuragshas/whisper-small-as, whisper-large-v2-as, whisper-medium-as — 基于 Common Voice 11.0) —— 这意味着针对阿萨姆语微调 Whisper 之前已经有人做过。
3. Chen 等人 (2024) 在论文中被引用：使用 Common Voice 16.1 上的 XLSR-53 进行微调，阿萨姆语 CER 达到 19.21%；Chen 等人 (2025) 使用 OWLS 模型，将阿萨姆语的 WER 从 65.5 降至 29.4。
4. Calm-Whisper (Interspeech 2025) — 专门解决 Whisper 在非语音片段上的幻觉问题。

这已足以进行严谨的评审。现在我将输出最终的结构化评审。

论文评审：通过受控微调 Whisper 模型实现稳健的阿萨姆语语音识别

论文类型: 方法型 (低资源语言 ASR 的 Whisper 微调)，附带分析型成分 (定性错误分析)

公理审查结果

公理一：对象公理

• 判定: ⚠️
• 分数: 6
• 依据: 研究对象真实存在——阿萨姆语 ASR 是一个真实低资源语言问题，约 1500 万使用者，且被印度政府列为”Classical Language”。Whisper 零样本在阿萨姆语上确实表现极差 (WER=2.0127, CER=1.9091, BLEU=0)，模型输出大量印地语/阿拉伯语字符，属严重的跨语言幻觉，问题真实。但对象规模有限：单一语言、单一数据集 (Common Voice 24.0 Assamese 仅 7.66 小时，其中验证 3 小时)，作者未证明该问题有更广泛科学意义或机制意义。论文虽声称是”morphologically rich, low-resource language”的代表，但未将结论外延到同类语言，未提出可迁移机制。问题值得解决，但按公理一标准”是否值得社区大量投入”——属于窄范围应用问题，而非下一代模型必要能力。
• Wiki 证据: OMC wiki 无记录 (wiki_query 三个查询均返回空)。free-search 补充显示 Whisper 低资源微调已是成熟研究方向 (Amharic, Balti, Kazakh, Hakka, Javanese, Swahili, Dutch, Swiss German 等均有发表)，说明对象真实但本论文非首次针对低资源语言做 Whisper 微调。

公理二：识别公理

• 判定: ❌
• 分数: 2
• 依据: 论文未识别真正有效的原因。同时改变多个变量——数据集扩展 (合并 train.tsv + other.tsv)、Unicode NFKC 归一化、Graphemic Standardization、学习率预热 (LRW)、余弦退火、权重衰减 0.05、Dropout 0.05、Beam Search 宽度 5、FP16 混合精度、梯度累积、早停——但提升全部归因于”controlled fine-tuning”。无任何消融实验隔离单一变量贡献。关键问题：(1) 无最简 baseline——未与 HuggingFace 上已有的 anuragshas/whisper-small-as (2022 年已发布，基于 Common Voice 11.0 阿萨姆语微调) 比较；(2) 未与 Chen et al. (2024, XLSR-53, CER=19.21%) 或 Chen et al. (2025, OWLS, WER=29.4) 在相同数据上比较；(3) “controlled” 一词未操作化——什么使微调”受控”而非标准微调？论文未定义。仅有的对照是零样本 vs 微调，这是任何微调论文都有的最弱对照，不构成因果识别。
• Wiki 证据: OMC wiki 无记录。free-search 确认 HuggingFace 已存在 anuragshas/whisper-small-as、whisper-medium-as、whisper-large-v2-as 等阿萨姆语 Whisper 微调模型——这些都是被遗漏的强 baseline。论文 Related Works 提到 Chen et al. (2024, 2025) 但实验中未做同数据/同 backbone 对比。

公理三：独立性公理

• 判定: ⚠️
• 分数: 5
• 依据: 评测独立性存在中等风险。训练数据来自 Common Voice 24.0-Assamese，测试集 test.tsv (394 样本) 来自同一数据集的官方划分，与训练集不重叠——这部分独立。但作者将 other.tsv (2567 条未验证片段) 合并进训练集，而 other.tsv 与 test.tsv/dev.tsv 同属一个众包采集流程，存在说话人重叠和文本风格相似的风险，论文未报告说话人 ID 级别的去重或 overlap 检查。BLEU/METEOR 评测基于参考转录本身，无独立人工评分。HER (幻觉率) 由作者自行定义 (基于 Levenshtein 对齐中未匹配的插入 token)，非社区标准指标，定义和实现均依赖作者自身代码。无外部 judge、无人工评估、无跨数据集验证。核心训练目标 (降低 WER) 与评测指标 (WER) 同源，但这是 ASR 领域标准做法，不算致命循环。主要问题是 other.tsv 与 test 集同源且未做说话人级隔离。
• Wiki 证据: OMC wiki 无记录。free-search 未返回该数据集独立性问题的直接证据。

公理四：压缩公理

• 判定: ❌
• 分数: 3
• 依据: 方法无压缩价值。论文将一系列标准做法组合在一起：Whisper-Small 微调 + Common Voice 数据 + NFKC 归一化 + SpecAugment 风格数据扩展 (合并 other.tsv) + AdamW + LRW + 余弦退火 + 权重衰减 + Dropout + 早停 + Beam Search——每一个都是 HuggingFace Transformers Trainer 的默认或常见配置。”Controlled fine-tuning” 只是标准微调的换名，无新机制、无问题重构、无 unification、无可迁移经验规律。论文未发现反直觉规律，未提出更简解释，未减少任意性。复杂度增加 (多个优化技巧) 但未换来解释力提升。30.51% 的 WER-CER gap 被归因于阿萨姆语粘着性，这是已知语言事实而非新发现。定性错误分析 (正字法/形态学错误分类) 有一定描述价值，但不构成方法压缩。
• Wiki 证据: OMC wiki 无记录。free-search 显示 “Exploration of Whisper fine-tuning strategies for low-resource ASR” (Liu et al. 2024, Language Resources & Evaluation) 已系统研究 Whisper 低资源微调策略，CBA-Whisper (Interspeech 2025) 用 Curriculum Learning + AdaLoRA 做低资源微调——这些工作有方法创新，本文方法明显更弱。

公理五：效用公理

• 判定: ⚠️
• 分数: 4
• 依据: 绝对指标未达可用水平。WER=43.75% (摘要写 43.17%，正文 7.1.2 写 43.75%，数值不一致) 在 ASR 领域属高错误率，远未达到部署可用 (通常 WER<15%)。CER=13.18% 尚可但仍偏高。相对提升 (78.26% WER, 93.10% CER) 看似显著，但 baseline 是零样本 WER=2.0127 的极端失败——从”完全不能用”到”勉强能读”不是强效用证据。关键缺失：(1) 未与 HuggingFace 已有的 anuragshas/whisper-small-as 比较——该模型 2022 年已发布，是同 backbone 同语言的直接对照；(2) 未与 Chen et al. 2025 (OWLS, WER=29.4) 比较——该工作在同一语言上已达到更低 WER，论文仅在 Related Works 中提及但未在实验中对比；(3) 未报告在 Common Voice 11.0/16.1 等先前版本上的对比。BLEU=30.81, METEOR=0.5262 无参照系，无法判断优劣。只在单一数据集、单一指标组合上取胜，无跨数据集验证。HER 从 0.5552 降至 0.0183 是亮点，但 HER 是作者自定义指标，无社区基准。
• Wiki 证据: OMC wiki 无记录。free-search 确认 Chen et al. 2025 在阿萨姆语上达到 WER=29.4 (低于本文 43.75)，Chen et al. 2024 达到 CER=19.21% (本文 13.18% 在 CER 上更优但数据集不同)。HuggingFace anuragshas/whisper-small-as 存在但论文未对比。

公理六：新颖性公理

• 判定: ❌
• 分数: 2
• 依据: 创新极弱。(1) Whisper 低资源微调已是成熟范式——free-search 返回 10+ 篇同类工作 (Amharic, Balti, Hakka, Javanese, Swahili, Kazakh, Dutch, Swiss German, Bangla, Rajasthani, Kannada)，每篇都是”选语言→Common Voice→微调 Whisper→报告 WER/CER”。(2) 阿萨姆语 Whisper 微调已有 HuggingFace 模型 (anuragshas/whisper-small-as 等，2022-2023)，论文声称”to the best of our knowledge, no such work has been reported for the Assamese language”——这一 first 声明不成立。(3) 方法本身无新组件：LRW、cosine annealing、weight decay、AdamW、FP16、gradient accumulation、beam search 均为标准技术。(4) “Controlled fine-tuning” 无新机制定义。(5) 合并 other.tsv 作为数据增强是论文唯一的轻微增量，但作者未证明该策略相比仅用 validated subset 的增益 (无消融)，且”未验证数据作为自然正则化”的论点无实验支撑。(6) 定性错误分析 (正字法/形态学) 有描述价值但非方法创新，且类似分析在 agglutinative 语言 ASR 文献中已有先例。论文本质上是本领域已有方法的阿萨姆语应用，而非真实增量。
• Wiki 证据: OMC wiki 无记录。free-search 确认同类工作大量存在，HuggingFace 已有阿萨姆语 Whisper 微调模型。”first” 声明不成立。

公理七：可复现公理

• 判定: ⚠️
• 分数: 5
• 依据: 部分可复现。优点：数据集公开 (Common Voice 24.0-Assamese, Mozilla)、模型 backbone 公开 (Whisper-Small)、超参数完整披露 (Table 2: LR=1e-5, warmup=50, AdamW, FP16, grad accum=4, weight decay=0.05, dropout=0.05, max steps=3000, beam=5)、训练平台明确 (Kaggle T4 GPU)。缺点：(1) 未开源代码/训练脚本；(2) 未发布微调模型 checkpoint；(3) 评测脚本 (特别是自定义 HER 指标的实现) 未公开；(4) Graphemic Standardization 的 custom mapping 未作为附录或附件提供；(5) 数据预处理 pipeline 中 NFKC + 自定义映射的具体规则未完全列出。依赖 HuggingFace Transformers 5.2.0 + Python 3.12.12，版本固定但环境未打包。HER 指标依赖作者自定义的 Levenshtein 对齐实现，无第三方可验证。
• Wiki 证据: OMC wiki 无记录。

日报摘要

• Strength: 在 7.66 小时极低资源数据上完成 Whisper-Small 阿萨姆语微调，CER 从 1.9091 降至 13.18%，HER 从 0.5552 降至 0.0183，定性错误分析对正字法/形态学错误类型分类有描述价值。
• Weakness: 无任何消融实验隔离变量贡献，未与 HuggingFace 已有的阿萨姆语 Whisper 微调模型及 Chen et al. 2025 (WER=29.4) 对比，”first” 声明不成立，方法为标准技术组合无机制创新，绝对 WER=43.75% 未达可用水平。

总评

• 科学价值: 低 — 无因果识别，无新机制，无可迁移规律，结论”微调比零样本好”是预期内事实。
• 方法价值: 低 — 全部组件为标准做法，”controlled” 未定义，无消融证明组件必要性。
• 社区价值: 低 — 阿萨姆语 Whisper 微调模型已存在于 HuggingFace，同类低资源 Whisper 微调范式已有大量发表，本文未提供超越这些已有工作的 baseline 或方法。

打分

加权总分: 3.47/10 (加权分之和 34.0 / 权重之和 9.5) 最终建议: Reject (<3.5)

核心理由：论文将标准 Whisper 微调应用于阿萨姆语 (Common Voice 24.0)，方法无创新，”first” 声明不成立 (HuggingFace 已有同类模型)，未与已有阿萨姆语 Whisper 微调工作及 Chen et al. 2025 (WER=29.4) 对比，无消融实验，绝对 WER=43.75% 未达可用。定性错误分析有一定描述价值但不足以支撑方法型论文的核心贡献。建议 Reject，除非作者补充：(1) 与已有阿萨姆语 Whisper 模型的同数据对比；(2) 消融实验隔离 other.tsv、NFKC、Graphemic Standardization、beam width 等变量贡献；(3) 撤回 “first” 声明并重新定位贡献。