研究锚点总结：

1. 全文获取：通过 curl 成功读取 arXiv HTML（2026-08-17 v1）。全文约 29000 字符。结果仅在 Fig. 2 中以曲线呈现，正文没有任何数字表格。
2. free-search 学术源：--category academic 返回空（5 源 0 结果）；改用 ~/bin/axs（arXiv API）成功定位相关工作：2409.12444（轻量实时 BSE with spatial cues preservation）、2509.14076（Lightweight Fourier-based Network，即文中 [11] Lu et al. ICASSP 2026 基线）、2403.05393（Tokala 等 DCCT，即文中 [21]）。
3. GitHub 信号：gh/GitHub API 检索到 Luxikun669/GAF-Net（ICASSP 2026 基线仓库，4 stars，README 标注 under review、代码计划录用后发布）；未检索到本文对应代码仓库（GitHub API 二次请求遇 rate limit，以 raw 读取 README 佐证）。
4. 历史 review：_paper_reviews/ 中 2607.08645v1 (TANGO, 5.80)、2607.01834v1 (RT-Tango)、2607.27775v1 (RIPPLE, 7.79) 涉及双耳处理，但本主题（双耳 cue loss 设计）无直接先例。

Paper Review: A Novel Binaural Cue Preservation Loss for DNN-Based Binaural Speech Enhancement

论文类型: 方法型

本文提出两种新的双耳线索保持损失：基于相对传递函数（RTF）的双耳重建误差损失 ℒ_BRE，以及将 ILD 幅度与 IPD 相位统一编码到复平面的联合双耳线索损失 ℒ_BC。论文在固定编码器-GRU-解码器架构（约 0.8M 参数）上仅替换空间损失项，与纯去噪基线和 SOTA 分离式 cue loss 基线对比。作为损失函数设计的工作，其方法聚焦、实验设计可读，但结论完全依赖图 2 的曲线目视，缺少数字表格、听测与代码。

公理审查结果

公理一：对象公理

• 判定: ✅
• 分数: 8
• 依据: 研究对象真实且必要。双耳语音增强（BSE）在助听器/AR-VR 场景中需要在降噪的同时保持 ILD/IPD 空间线索，而纯去噪优化的 DNN 会畸变双耳关系，这是被 2403.05393、2509.14076 等既有文献共同确认的问题。论文信号模型定义清晰（HRIR 卷积 + 加性噪声，式 1-2），两个损失函数有完整数学形式（式 10、式 13），范围明确限定在无混响（anechoic）条件并显式声明。实验规模具体：LibriSpeech/TIMIT/EARS 90k 训练、10k 验证、2700 测试语句，NOISEX-92 构造各向同性扩散噪声场，SNR 取 {−5,0,5,10,15} dB。
• Wiki 证据: free-search 学术源返回空（如实记录）。axs 检索确认 ILD/IPD cue loss 为既有研究线（2409.12444、2509.14076、2403.05393），佐证对象真实；无先例覆盖本文的具体损失形式。

公理二：识别公理

• 判定: ⚠️
• 分数: 7
• 依据: 识别设计方向正确：三组模型仅空间损失不同（ℒ_NR-only / 基线 ℒ_ILD+10ℒ_IPD / 本文 ℒ_BC、ℒ_BRE），训练目标其余部分完全一致，属同架构公平消融；最简基线（纯去噪）与 SOTA cue loss 基线均已覆盖。缺憾有三：其一，未与经典双耳波束形成（如 MWF）或带完整原始目标的系统对比，基线 cue loss 中 ℒ_SNR、ℒ_STOI 项被剔除（论文给出理由，但已偏离 [21][20][11] 原始设置）；其二，仅在一个架构上验证 loss，未做多架构泛化测试；其三，评测同样使用本文自创 ℒ_BRE（见独立性公理）。
• Wiki 证据: axs 确认 ℒ_ILD 与 ℒ_IPD 的加权定义与 [21] Tokala 等 2403.05393 一致，基线选择有据可依；无独立 wiki 记录该评测方案。

公理三：独立性公理

• 判定: ⚠️
• 分数: 5
• 依据: 独立性存在实质缺口。MBSTOI、SI-SDR、ℒ_ILD 均为独立外部指标，但论文将自创 ℒ_BRE 同时用作训练目标与评测指标，模型以 ℒ_BRE 训练后在该指标上自然最优——正文亦明确承认”the model trained with ℒ_BRE achieves the lowest reconstruction error”，构成循环论证风险。此外全文没有任何主观空间定位听测（双耳线索保真的最终真值是感知定位），也未见统计显著性检验（无置信区间/显著性标注）。
• Wiki 证据: 历史 review 与本地 wiki 均无该评测方法先例可交叉验证（如实记录）。

公理四：压缩公理

• 判定: ⚠️
• 分数: 7

• 依据: 概念上有真实简化价值：ℒ_BC 以 Q=

  ILD

  ·e^{jIPD} 将 ILD 与 IPD 统一到复平面，IPD 编码于单位圆规避了直接相位减法的 ±π 缠绕问题（论文明确论证），一个量同时约束两个线索，比分离的 ℒ_ILD+10ℒ_IPD 更紧凑；ℒ_BRE 用 RTF 最小二乘 + CCMSE 以单式直接惩罚掩蔽引入的通道间畸变。代价是同时引入两个新损失与动态 λ 超参数，且图 2(c) 显示 ℒ_BRE 显著损伤 ILD 保真，二者存在概念冗余。

• Wiki 证据: 相位编码于单位圆的技巧在 RIPPLE 2607.27775 等多通道相位工作中已有使用，本文的联合复平面编码是更轻量的变体。

公理五：效用公理

• 判定: ⚠️
• 分数: 6
• 依据: 效用方向真实但量化严重不足。图 2 显示：ℒ_BC 在 ILD 误差上低于基线 cue loss 与纯去噪模型（最好的 cue 保真），SI-SDR 与 MBSTOI 接近无约束基线（权衡优于基线 cue loss）；ℒ_BRE 在重建误差指标上最低。但全文没有任何数字表格，全部结论依赖目视曲线，无法给出精确的相对改进量；无听测、无混响、无显著性检验；对助听器实际空间定位的效用只以 ILD/IPD 代理指标间接体现。
• Wiki 证据: 历史 review 中无同款 cue loss 数值可对比（如实记录）。

公理六：新颖性公理

• 判定: ⚠️
• 分数: 6
• 依据: 属增量式损失设计。复平面联合 ILD-IPD 编码与 RTF 重建误差是信号处理既有工具（RTF、单位圆相位、CCMSE）的自然组合，新意在于把”掩蔽诱导的通道间畸变”显式孤立为惩罚对象，这一动机表述较新；但单位圆相位编码技巧已有先例（如 RIPPLE 的 IPD loss），且同团队/同期的 2509.14076 已在做空间线索保持 BSE，本文相对它的架构与损失增量有限。
• Wiki 证据: axs 检索到的 2409.12444、2509.14076 均在 2024-2025 年处理同一问题，新颖性边界狭窄。

公理七：可复现公理

• 判定: ⚠️
• 分数: 4
• 依据: 可复现性薄弱。论文未提供代码、权重或配置链接；数据全部来自公开集（LibriSpeech/TIMIT/EARS/NOISEX-92/KEMAR HRIR），训练/评测划分与超参数（60 epochs、AdamW、lr 1e-3、IBM 阈值 20 dB）写得很细，理论上可重实现；但结果仅以图呈现，精确数值无法直接读取，且训练用动态 λ 细节不完整。GitHub 检索未发现本文仓库；被引基线 GAF-Net（Luxikun669/GAF-Net）也标注 under review、代码未发布，复现链路上游缺失。
• Wiki 证据: GitHub API 检索确认 GAF-Net 仓库存在（4 stars）但 README 声明代码待录用后发布；本文无对应仓库（如实记录，二次 API 请求遇 rate limit）。

总评

本文作为损失函数设计工作在问题定义、数学表述与公平消融上做得扎实：两种损失均有完整封闭形式的公式，与纯去噪基线和 SOTA 分离式 cue loss 基线的同架构对比正确，ℒ_BC 在 ILD 保真与去噪权衡上取得了可辨识的改进，数据管线全部基于公开数据集、划分和超参数记录详尽。主要问题在于全文结论完全依赖图 2 的曲线目视、正文不含任何数字表格，无法核实改进的具体幅度；论文将自创的 ℒ_BRE 同时用作训练目标与评测指标，存在循环论证风险；缺少主观空间定位听测、混响条件与统计显著性检验；且未发布任何代码或权重，而基线系统的代码同样缺失，复现链路不完整。

日报摘要

• Strength: 联合 ILD-IPD 复平面损失 ℒ_BC 在双耳噪声抑制模型中取得低于基线 cue loss 与纯去噪模型的 ILD 误差，同时 SI-SDR/MBSTOI 保持接近无约束基线（图 2 曲线，正文无数字表格）。
• Weakness: 全文结果仅以图呈现、无数字表格与统计显著性，且自创 ℒ_BRE 指标同时用于训练与评测，缺乏主观空间定位听测、混响条件与公开代码。

打分

加权总分: 6.16/10（加权分之和 58.5 / 权重之和 9.5） 最终建议: Borderline