冻结权重下的结构化技能优化：音频反诈检测的新路径

把音频反诈检测重新表述为「结构化冻结权重适配」问题：冻结的音频语言模型必须完成场景识别、诈骗判定、条件式诈骗类型分类这条有序决策链，且每个输出都要落在官方标签空间内。 此前的工作多把任务知识、标签约束和决策规则写进模型参数（微调）或人工维护的提示词中；这里把适配对象明确为「模型之外」的可编辑层，并强调决策链的闭合集合与顺序依赖。 论文给出形式化的问题设定，区分「必需但缺失或无法映射到官方标签的输出」与「按协议本应跳过的路由」，并据此定义可行输出空间；实验在 TeleAntiFraud 官方 SFT 划分（去重后 10,711 条训练、2,677 条测试，其中 1,453 条带诈骗类型标注）上按原始顺序决策协议评测。

提出 FRAUDSkill 框架：离线阶段用轨迹级错误诊断、评论模型反馈与编辑器改写外部技能程序，并以留出验证集做集束搜索选择；部署阶段用标签投影、路由归一化与验证拟合的选择器把开放式生成转成协议合规的闭合集合预测。 相比把任务信息表示为单一可编辑文档（SkillOpt）或结构化技能文件夹（EvoSkill），这里显式建模三段式决策路由、官方标签投影与跨路由一致性，并把输出约束与最终选择从任何单一文本程序中分离出来。 论文给出完整的方法形式化（根指令、技能库、路由策略、标签投影算子、路由归一化、选择器拟合），并说明所有保留程序与搜索设置在测试前冻结、测试标签不参与程序选择或选择器拟合；附录给出搜索配置（种子 42、束宽 3、分支因子 3、五轮搜索、每批 64 例）。

实验显示「只改技能文本」收益有限且不稳定，而结构化推理组件贡献了主要增益：闭合集合投影把 Macro-F1 从 43.66% 提到 54.47%，路由归一化进一步提到 66.21%，互补多路径推理提到 70.31%，可靠性加权到 70.84%，类别平衡选择最终到 73.50%。 这组消融把「输出有效性」与「类别判别」两类问题分开处理，说明文本层技能搜索本身难以同时承担开放式生成与结构化决策控制两项职责。 消融从最佳文本程序出发逐项累加结构化组件；FRAUDSkill-Text 在种子 42、43、44 上的平均 Macro-F1 为 42.42%，样本标准差 1.39 个百分点，论文自述其相对基线的平均增益小于波动幅度。

完整系统在冻结音频模型（Qwen2-Audio-7B-Instruct，确定性解码）下达到 73.50% Macro-F1、79.40% W-F1、78.72% 准确率、58.87% 联合准确率与 1.94% 无效输出率；作为参数更新参照，SFT 为 66.06%，SFT+Memory 为 75.51%。 论文明确把 SFT 与 SFT+Memory 列为参数训练参照而非直接基线，并指出这些比较受协议约束、不构成任务无关的排名。 所有直接对比方法共用同一冻结音频模型与同一标签本体、输出模式、音频证据指引和跨轮一致性规则，差异来自外部任务知识的表示、优化与应用方式；评测单元为唯一音频录音，与原始数据集论文的 7,021 条交互级记录协议不同，两者结果不可直接比较。

论文的结论限定在所研究的协议内：评测单元是唯一音频录音，与原始数据集论文的 7,021 条交互级记录协议不同，因此两组结果不可直接比较；SFT 与 SFT+Memory 是参数更新参照而非直接基线，比较不构成任务无关排名。方法适用于需要闭合集合标签与顺序决策协议的反诈部署场景，其外部技能程序、标签映射、路由规则与选择器在测试前冻结，可检查、可替换，便于在诈骗模式或标注政策变化时更新外部层而不重训音频模型。对希望在不改动模型权重的前提下获得协议合规预测的工程与研究团队，这一路径提供了可复用的组织方式；完整复现需要 TeleAntiFraud 音频划分、冻结的音频语言模型以及用于技能搜索的评论/编辑模型接口。

文本层技能搜索具有随机性，论文报告 FRAUDSkill-Text 在三个种子上的样本标准差为 1.39 个百分点，且自述其相对基线的平均增益小于波动幅度，因此单次文本搜索的结果需要谨慎看待。路由级错误分析显示场景路由错误率达 74.2%（其中 91.1% 为缺失或超出本体）、诈骗路由错误率 32.9%（其中 60.0% 为误判为正常）、类型路由在标注样本上错误率 83.1%，这些分布提示上游错误可能阻断下游路由，值得在后续工作中持续观察。此外，原始音频文件与冻结模型权重未随补充材料提供，完整重跑依赖外部数据与模型接口；论文未使用原基准中针对慢思考理由的 LLM 评分，因为 FRAUDSkill 产出的是闭合集合决策而非自由形式推理轨迹。