我已阅读完整论文，并从 wiki/paper-wiki/free-search 中收集了证据。所有 wiki 查询均未返回结果；paper-wiki 未返回结果；我使用了 free-search 作为备用。现在我将输出最终的结构化审稿意见。

Paper Review: CrowdioSet and PaRIRset: Two Datasets Towards Live Music Source Separation

论文类型: 数据型

论文核心贡献是两个新数据集（CrowdioSet 观众噪声 + PaRIRset 音乐厅脉冲响应），用于将音乐源分离（MSS）从录音室扩展到现场录音场景。方法层面仅用现成 SCNet 模型做数据增强再训练，没有架构创新。

公理审查结果

公理一：对象公理

• 判定: ✅
• 分数: 9
• 依据: 论文指向的问题真实且清晰：现有 MSS 模型在录音室数据上训练，无法泛化到含场地声学、PA 系统响应和观众噪声的现场录音。论文明确界定 “Live MSS” 任务——在混音前向各源和目标添加观众噪声和混响（Figure 1）。该问题在当前 MSS 模型中广泛存在（所有基于 MUSDB18 训练的模型均有此缺陷）。论文自述仅有的先前现场工作为 [21]（Carnatic 音乐）和 [12]（音乐增强不做分离），free-search 确认现场音乐分离领域几乎空白。Cadenza Challenges [24] 表明 MSS 已在助听器场景有社区需求，扩展到现场场景有明确应用价值。指标（SDR）与目标一致，且有主观听感测试补充。claim 外延（两种数据集 + 四种训练配置）与实验验证范围一致。
• Wiki 证据: OMC wiki 无记录（3 次查询均返回空）。paper-wiki 无输出。free-search 确认 WHAMR! (arXiv 1910.10279) 在语音分离中已成功使用相同策略，现场音乐分离仅有 Sanidha (Carnatic, arXiv 2501.06959) 和本文，确认问题未被充分研究。

公理二：识别公理

• 判定: ⚠️
• 分数: 6
• 依据: 论文有部分消融：(1) clean/rev/noisy/noisyrev 四配置隔离了噪声和混响各自贡献；(2) PaRIRset D1-D4 增强策略消融（Figure 5）。但存在多个问题：a) 缺少关键 baseline——只比较 SCNet（同 backbone）和 SAM Audio（不同范式、diffusion-based、SDR 不对齐被作者承认不可靠），未与 HTDemucs、BSRNN、Band-Split RoPE Transformer 等近期强 MSS 模型比较。free-search 确认这些模型存在且在 MUSDB18 上有竞争力。b) 学习率混淆——四种训练配置使用不同初始学习率（{4, 3.5, 2, 2}×10⁻⁴），引入混淆变量，无法确定性能差异来自数据还是 LR 调整。c) SAM Audio 比较不公平——作者承认 SDR 对 diffusion 模型有 sample misalignment 问题，但仍将其作为唯一外部 baseline。d) 最简 baseline 充分——”无混响”和”仅 SE-RIR”作为 PaRIRset 的 baseline 是合理的。
• Wiki 证据: OMC wiki 无记录。free-search 找到 SCNet (OpenReview KOcDVmMmho) 确认为真实开源模型；WHAMR! 确认为语音领域的类比工作。

公理三：独立性公理

• 判定: ⚠️
• 分数: 6
• 依据: 客观评测存在循环风险：评测数据用论文自建的 CrowdioSet 观众混合和 PaRIRset 混响生成（MUSDB18HQ test set + 自建噪声/混响），与训练数据来自同一增强管线。虽然测试集的歌曲和 50 个噪声文件/8 个场地是保留的，但增强类型（噪声分布、混响特性、混合参数）与训练一致，等于在模型被训练处理的同一类退化上测试。主观评测较独立：10 条真实社交媒体现场录音 + 26 名参与者 AB 偏好测试，不依赖训练管线。但主观测试只有偏好比较，没有分离质量的 ground truth。数据来源：CrowdioSet 噪声来自 Freesound（独立），PaRIRset 来自真实场地测量（独立），合成 sing-alongs 基于训练集 vocals stem 生成（有循环风险但用于增强而非评测）。Judge 独立性：SDR 是标准指标，无 judge 污染。
• Wiki 证据: OMC wiki 无记录。free-search 确认 WHAMR! 也有类似结构（在 WSJ0-2mix 上添加自建噪声/混响），但 WHAMR! 的评测数据生成管线是独立发布的。

公理四：压缩公理

• 判定: ⚠️
• 分数: 5
• 依据: 核心方法（数据增强：加噪声 + 加混响）是 WHAMR! (2019) 从语音分离到音乐分离的直接迁移，论文明确承认这一点。没有方法层面的压缩价值——无新架构、无新训练方法、无新评测指标、无 scaling law、无 trade-off 分析。sing-along 生成管线复杂（HQ-SVC + AVOX Choir + chroma 相似度 + singer embedding + 幅度/时长随机化），但作者承认 sing-along 组件”rarely isolated reliably”，复杂度未换来有效能力。RIR 增强策略 D1-D4 较为 ad hoc（极性翻转、增益、麦克风阵列胶囊、波束成形、PA 置换），且 D1/D2/D4 之间无显著差异，只有 D3 达到统计显著。问题重构（”Live MSS” 作为正式任务）有一定压缩价值，但主要是命名而非机制创新。
• Wiki 证据: OMC wiki 无记录。free-search 确认 WHAMR! (arXiv 1910.10279) 是语音领域噪声+混响增强的先例，本文策略与之高度类似。

公理五：效用公理

• 判定: ⚠️
• 分数: 5
• 依据: 绝对性能偏低：noisyrev 条件下 vocals SDR 仅 ~3 dB（clean 基线 10.05 dB），audience isolation SDR 仅 1.25-2.85 dB，均处于可用性存疑的水平。相对提升存在但不全面：noisy 模型在 vocals 上从 1.46→3.26 dB（noisyrev），但在 drums/bass/other 上无模型一致占优（Table 2）。PaRIRset 证据边际：仅 D3（波束成形增强）达到统计显著（p=0.027），D1/D2/D4 均不显著（Figure 5），意味着 PaRIRset 的核心贡献（40 个专业场地 RIR）的直接证据较弱。主观测试强：105/130 和 119/130 的偏好率（p<10⁻¹² 和 p<10⁻²³），但对比对象是 clean baseline（非设计用于噪声场景）和 SAM Audio（SDR 不可靠），两者均非公平的强 baseline。baseline 覆盖不足：free-search 确认 HTDemucs、BSRNN 等近期强 MSS 模型存在但未被比较。clean 性能保持是正面结果：noisy 模型在 clean 评测上仅损失 0.03 dB vocals SDR（9.97 vs 10.05），表明增强不损害原有能力。
• Wiki 证据: OMC wiki 无记录。free-search 确认 SCNet 在 MUSDB18 上报告 9.0-9.2 dB SDR，本文复现 9.0 dB 一致。未找到 Live MSS 的其他 SOTA 报告（确认领域空白）。

公理六：新颖性公理

• 判定: ⚠️
• 分数: 6
• 依据: 真实增量：(1) CrowdioSet 是首个面向 MSS 的观众噪声数据集（4800 真实噪声轨道 + 合成 sing-along 管线）；(2) PaRIRset 是首个在专业音乐厅用 PA 系统测量的 RIR 数据集（40 场地）；(3) “Live MSS” 问题定义本身有新意。但方法新颖性低：训练方法是直接复用 SCNet + WHAMR 式数据增强，无架构改动。sing-along 管线是 HQ-SVC + AVOX Choir 的组合应用，组件均为现成工具。RIR 增强策略（极性、增益、波束成形）是标准 RIR 处理技术。论文自评 sing-along 为 “preliminary” 且效果不佳。数据资源的组合（Freesound 噪声 + 音乐厅 RIR + SVC 合成）有一定工程创新但缺乏机制解释——论文未分析为什么 D3 优于其他策略，未提供 Live MSS 的失败模式分析或可迁移经验规律。
• Wiki 证据: OMC wiki 无记录。free-search 确认 HQ-SVC (arXiv 2511.08496) 为真实预训练模型；CrowdioSet 和 PaRIRset 在 HuggingFace 上公开可用（enricguso/crowdioset, enricguso/parirset），确认数据真实发布。未找到同类观众噪声或音乐厅 PA-RIR 数据集，确认数据新颖性。

公理七：可复现公理

• 判定: ✅
• 分数: 9
• 依据: 论文公开了代码、模型权重、数据集（CrowdioSet + PaRIRset）和示例（https://enricguso.github.io/crowdioset_parirset，HuggingFace 确认可用）。训练细节充分：SCNet 默认超参数 + 明确修改（LR、batch size、epoch 数、GPU 型号 L40S、训练时长 ~7 天/模型）。评测方法描述详细（SDR 计算、主观测试协议、参与者构成）。PaRIRset 提供原始多通道录音 + 处理后立体声 RIR。CrowdioSet 提供 Freesound 轨道 + 归因 + 许可证元数据。轻微关注：sing-along 生成依赖商业插件 Antares AVOX Choir，可能限制该组件的完全复现；但 sing-along 是次要组件且论文承认其效果有限。
• Wiki 证据: OMC wiki 无记录。free-search 确认 HuggingFace 数据集页面存在且包含详细 README。

日报摘要

• Strength: 首次为现场音乐源分离提供两个公开数据集（4800 真实观众噪声 + 40 个专业音乐厅 PA 系统 RIR），主观听感测试 26 人中 105/130 和 119/130 显著偏好本文模型，且噪声增强在 clean 数据上几乎无性能损失（vocals 9.97 vs 10.05 dB）。
• Weakness: 方法是 WHAMR! (2019) 从语音到音乐的直接迁移，绝对 SDR 偏低（noisyrev vocals ~3 dB，audience isolation 1-3 dB），PaRIRset 仅 1/4 增强策略达统计显著（p=0.027），缺少 HTDemucs/BSRNN 等强 baseline，四种配置使用不同学习率引入混淆。

总评

• 科学价值: 中 — 定义了一个真实的新任务（Live MSS），但方法层面是已有技术（WHAMR 式增强）的直接迁移，缺乏机制解释或可迁移经验规律。
• 方法价值: 低 — 无新架构、无新训练方法、无新评测指标；核心方法是数据增强 + 现成模型再训练。
• 社区价值: 高 — 两个公开数据集填补了现场音乐分离的资源空白，数据质量有独立来源（Freesound、真实场地测量），可复现性好，可能催生后续工作。

打分

加权总分: 6.3/10（加权分之和 60.0 / 权重之和 9.5） 最终建议: Borderline 5-6.5

工具查询记录：

• wiki_query × 6 查询：全部返回 “No wiki pages match”（对象公理 3 次 + 识别/独立/新颖性公理补充 3 次）
• paper-wiki search × 4 查询：全部无输出（music source separation / MUSDB18 / reverberation impulse response / audience noise live music）
• free-search × 6 查询：成功返回结果（WHAMR!、SCNet、HQ-SVC、Cadenza Challenge、SAM Audio、live music separation prior work 均有命中）
• 论文全文：通过 curl 获取 arXiv HTML（166KB）和 PDF（8MB），已完整读取全文内容。