DynaThresh-DualSem：面向人机混合跨层级指令的轻量化语义偏差检测框架

DynaThresh-DualSem: A Lightweight Semantic Bias Detection Framework for Human-Machine Hybrid Cross-Hierarchical Command Systems

摘要: 在中心化无人机集群的人机协同系统中，跨层级指令传播的语义保真度是影响任务成败的关键因素。针对人机认知差异与自然语言的语义歧义性引发的指令转译偏差问题，本文提出层次化语义偏差检测框架，用于精确验证指挥官原始指令和无人机转译指令的一致性。该框架运用三级递进式检测模式。第一步是构建自适应分块算法，通过正则规则、动态评估和窗口参数自适应策略，对长文本段落的语义连贯性进行划分。第二步设计匹配指标，融合语义特征和结构特征，实现跨文本段落级有效对齐。第三步提出基于共享编码器的双塔模型，结合动态阈值学习机制，有效解决无人机转移指令的跨域语义偏差检测。研究在自建的DroneCMD-4006数据集上开展实验，该数据集包含4006对面向人机混合仿真场景指令。实验结果显示，本方法在长文本指令对比中准确率达到94.76%，优于现有基线方法。本研究创建“要素解耦–段落匹配–语义校验”分层检测范式，成功克服长文本对比中的信息稀释问题，还开源核心代码与基准数据集。

Abstract: In human-machine collaborative systems for centralized unmanned aerial vehicle (UAV) swarms, the semantic fidelity of cross-level command propagation is a critical factor influencing mission success or failure. Aiming at the problem of command translation bias caused by cognitive disparities between humans and machines and the semantic ambiguity of natural language, this paper proposes a hierarchical semantic bias detection framework to accurately verify the consistency between commanders’ original commands and UAVs’ translated commands. The framework employs a three-level progressive detection model. First, an adaptive block segmentation algorithm is constructed. Through regular rules, dynamic evaluation, and window parameter adaptation strategies, it divides the semantic coherence of long text paragraphs. Second, matching indicators are designed by fusing semantic features and structural features to achieve effective cross-text paragraph-level alignment. Third, a Siamese network model based on a shared ALBERT encoder is proposed. By integrating a dynamic threshold learning mechanism, it effectively addresses cross-domain semantic bias detection for UAV-translated commands. Experiments were conducted on the self-constructed DroneCMD-4006 dataset, which contains 4006 pairs of commands for human-machine hybrid simulation scenarios. The results show that this method achieves an accuracy of 94.76% in long-text command comparison, outperforming existing baseline methods. This study establishes a hierarchical detection paradigm of “element decoupling-paragraph matching-semantic verification,” successfully overcoming the information dilution problem in long-text comparison. The core code and benchmark dataset are also open-sourced.

1. 引言

随着人工智能技术的成熟，无人机集群依托自然语言处理技术已在医疗、国防、救援等多个领域实现规模化部署，并展现出自主决策、动态环境适应和高效协同能力[1] [2]。在典型的“操作者–簇首–执行节点”三级架构中，高层指挥官发布的宏观全局指令(content0)须经多层级的传递与解析，最终转化为可执行的具体指令(content1)。这一跨越人机认知差异的传播过程，是保障任务成功的关键环节，却也成为语义信息失真和任务偏差的主要风险来源[3] [4]。

现有研究主要从局部交互机制、边缘AI技术和强化学习等角度进行优化，但普遍存在“通信–语义解耦”问题：即使通信链路畅通，语义层面的理解错误仍可导致关键任务失败[5]-[7]。此外，单领域效率提升与跨场景泛化能力之间的失衡，导致特定优化模型难以适应新的指令表达模式[3] [8]；群体智能算法缺乏语义约束机制，使得在初始指令理解出现偏差时，高效的协作反而加剧整体行动偏离目标的风险[9]。北约相关报告和实证研究亦指出，跨层级语义转译偏差如将“区域封锁”误执行为“警戒巡逻”，已成为任务失败的重要原因之一[10]。

针对这些挑战，本研究提出一种三级递进式语义偏差检测范式，主要包括以下四个关键步骤：

设计基于滑动窗口的自适应分块算法及跨文本段落对齐策略，动态评估长文本指令的局部完整性与语义关联性，解决长文本切分与段落级对齐过程中常见的语义割裂问题[11]。

定义任务要素五元组(时间、坐标、设备、优先级、动作)，构建首个面向跨层级指令语义一致性检测的基准数据集DroneCMD-4006，收集4006对content0-content1样本，覆盖医疗、城市管理、物流配送、灾害救援、环境监测、精准农业、艺术展示等七大场景[12]- [14] 。

提出基于ALBERT的共享编码器双塔模型，对对齐后的文本块进行细粒度语义匹配与偏差判别，通过参数共享大幅降低模型体积至约4MB，同时保持高效推理能力 [15] - [17] 。

引入融合F1–约登指数的动态阈值优化机制，并结合滑动窗口均值滤波抑制阈值波动，解决固定阈值在跨场景应用中的失效问题，实现跨域的最优阈值搜索与平滑化调整 [18] [19] 。

相较于传统依赖规则引擎或基础NLP模型的方法，本研究通过混合多层次技术手段——包括五元组信息建模、自适应分块、双塔语义匹配及动态阈值优化——构建了端到端的语义偏差检测闭环。实验结果表明，该框架在保证轻量化部署需求的同时，将语义偏差检测精度显著提升，为人机混合协同任务的指令传达与执行提供了可靠的技术保障。

2. 语义偏差类型定义

2.1. 概述

在无人机集群系统的运行过程中，跨层级语义信息传递所产生的偏差累积现象呈现出显著的多维耦合特征。这类耦合特征使得语义偏差的识别与纠正工作面临较大挑战。北约制定的STANAG 5516标准虽针对协议一致性问题，明确界定了战术数据链中的信息格式规范与语义结构要求，但在实际应用中，该标准尚未能完全覆盖跨语境场景下可能出现的语义失真风险，这为系统的稳定运行埋下了潜在隐患。在军事作战演习、实战任务执行等真实场景中，多次案例表明，导致作战失误的各类语义偏差同样表现出明显的多维耦合特性 [20] [21] ，单一偏差类型引发失误的情况较为少见，多数失误由多种偏差交织作用所致。为了从本质层面深入理解语义偏差的形成机制与表现形态，本文通过对大量实际案例的分析，将语义偏差的多维度特征进行系统解耦，最终归纳形成五类基础范式。

该分类体系基于“实体–时序–空间–优先级–任务描述”的五元认知框架，并进一步扩展至战场通信中的优先级判断与信息类型维度，突破了传统研究聚焦单一偏差类型的局限性 [22] 。具体而言，语义偏差不仅包括对实体指称的显性误识(如将“UAV-03”误解为“UAV-05”)，还涵盖时空逻辑的隐性错位问题，例如时间窗口判断错误引发的战术协同失序。此外，该体系将优先级偏差与信息重要性偏差统一建模，揭示二者对资源调度产生的趋同效应；同时，通过引入“任务描述偏差”的独立维度，有效应对多任务语境下的语义混淆问题。

2.2. 五元偏差分类体系

图1展示的是本研究基于的五元认知偏差框架以及他在相邻层级节点间传递的路径，将语义偏差归纳为“实体–时序–空间–优先级/重要性–任务描述”五个基础维度。提出这个框架的目的在于从本质上拆解语义偏差的多维耦合现象，为语义偏差检测模型划定清晰的认知边界。

1) 实体–关系偏差：实体–关系偏差表现为指令中具体实体(如无人机编号或全称)的识别错误或翻译错误。比如，原始指令要求“将任务A指派给UAV-012”，但在指令传递过程中，簇首无人机将“UAV-012”错误解读为“UAV-013”，导致任务被分配给不具备执行条件的无人机。这类偏差源于实体识别不准确或标签映射错误，直接影响任务指令的正确下达和执行效果。

2) 时序偏差：时序偏差是指时间信息解析或使用错误。当指令包含时间窗口要求，如“5分钟内完成”、“14:50:00~15:20:00启动热成像搜寻”，如果时间节点解析有误或误读，会造成任务延误，错过关键战术时机。时序偏差的产生，与多时间要素组合、模糊时间表述等因素有关，一旦出现错误，会导致行动节奏不一致，引发战术执行混乱。

3) 位置偏差：位置偏差涉及地理坐标或位置描述的语义模糊问题。作战文书常以精确坐标、范围描述或地名指代目标区域，像“在北侧高地完成任务B的航拍”这样的表述，若缺乏精确坐标信息，可能被错误理解为相邻区域。这种误解会干扰航线规划，影响目标区域覆盖，严重时将导致情报收集任务失败。

4) 优先级/重要性偏差：此类偏差包含两个方面。一是优先级偏差，即指令执行顺序在传播过程中被改变，例如“优先任务”被误传为“次优先任务”，造成资源调度错乱；二是重要性偏差，指任务相对价值在传递中被错误评估，如“核心任务”被误判为“次要任务”，使得决策方无法合理分配兵力或设备载荷。这两类偏差均因模型难以充分理解长文本上下文，无法准确判断子任务的优先级和重要程度。

5) 任务描述偏差：任务描述偏差指关键技术参数或动作细节在传递时出现丢失或错误。例如，“飞行高度由50 m误传为60 m”“从西南向东北”被误译为“从西向东”。长文本信息量大、细节复杂，容易造成语义理解困难，进而引发任务描述偏差，直接影响任务执行效果和目标实现。

Figure 1. Five-dimensional cognitive framework of semantic deviation and propagation path

图1. 语义偏差五元认知框架及传播路径

3. 数据集构建

基于以上语义偏差认知框架，本研究构建了多领域人机指令一致性验证数据集DroneCMD-4006，涵盖军事行动、农业管理、灾害救援、物流配送、环境监测、城市管理与艺术展示七大典型领域，共计4006对跨领域指令文档。数据生成流程包括三个阶段：首先，基于少量真实任务文书模板构建基础样本，分别作为Content0 (指挥官原始指令)与Content1 (簇首无人机转述指令)的结构参考；其次，使用GPT-3.5模型批量生成数据，并在控制性采样与数据对抗设计指导下，引入特定类型语义偏差，同时保持文体与结构一致性；最后，采用抽样人工校验对样本进行校验，剔除逻辑错误、语义模糊及结构异常的样本，确保每条指令对偏差标注的准确性。样本中正样本(无语义偏差)为2025对，占比50.55%；负样本(存在语义偏差)为1981对，占比49.45%。

3.1. 标注体系与偏差构成

DroneCMD-4006采用领域自适应的标注策略，并以五类偏差维度构建语义一致性判断标准：实体关系(无人机分配是否保持一致)、时间(时序逻辑与任务窗口是否匹配)、空间(任务地点在允许误差范围内是否对应)、优先级与重要性(任务等级与权重是否准确还原)、任务描述(关键技术参数与动作细节是否完全复现)。若指令对在上述五类约束中全部满足一致性，则视为正样本；此标准结合时空联合验证与任务参数交叉检验等手段，确保正样本语义保真度达到战术级精度要求。

负样本构建方面，数据集采用等比例引入五类语义偏差，每类偏差各占20.0%。为增强多样性，偏差类型进一步细分为单偏差主导型与多维度耦合型。前者以某一类偏差为核心，并辅以0~1类轻度次级偏差，如“时间错误 + 微弱任务描述缺失”；后者则为包含3类及以上偏差的复杂组合样本，如“实体误映射 + 优先级颠倒 + 坐标漂移”等。此外，针对如灾害救援等对时间特别敏感的领域，还引入领域特定的偏差构型，以增强模型在关键任务场景下的适应能力。

3.2. 数据质量验证

为验证数据集的可靠性和代表性，我们从七大领域中按15%比例进行分层抽样，复审样本共计600对，标注一致率达99.6%，表明人工校验具有极高的稳定性和准确性。同时，从样本分布来看，各领域样本量的均值为572对，单因素方差分析(ANOVA)结果显示不同领域间样本数量差异不具有统计学显著性，体现出良好的领域均衡性。整体而言，DroneCMD-4006在偏差控制、语义一致性度量及跨领域泛化方面具备较高的实验适用性与工程落地性。

4. 文本划分策略

本发明采用双模态自适应文本划分机制，针对不同类型的任务指令文书，自动选择最优的分块策略，以保障语义完整性与后续对齐效果。首先需要对于输入文本的结构化类型进行分类。若文本中包含显式的段落标识、标题编号等结构性信息，则归类为结构化文本；否则视为非结构化文本。根据分类结果，系统进入相应的划分流程。文本划分模块的架构图如图2所示，接下来将具体讲解文本分割策略。

Figure 2. Dual modal processing flow: The left branch implements the parameter optimization rules of Theorem 1, while the right branch executes them quality filtering

图2. 双模态处理流程：左分支实施定理1的参数优化规则，右分支执行质量过滤

4.1. 双模态分割策略

针对结构化文本，系统引入正则表达式规则对文本进行预分割，提取出一级语义段落。在此基础上，若某个段落的字符数超过设定的最大长度阈值(默认512字)，系统会通过滑动窗口机制进一步细分该段，采用设定的重叠度(默认32字)进行局部窗口裁切，确保上下文语义连续性。所有切割得到的文本块均需满足最小长度限制(如30字)，过短内容将被自动剔除，从而生成一组高质量的结构化文本片段集合。

对于非结构化文本，如无明显段落结构的连续文书，系统则采用空行敏感分割策略。具体来说，系统首先对文本中的换行符进行标准化处理，统一格式后，按照换行符分段边界将文本划分为多个段落。在初步分割后，系统继续过滤短文本块，仅保留长度超过阈值(默认30字)的片段，构成非结构化场景下的语义单元集合。

在完成初步划分之后，系统引入一套质量优化体系，对每一个文本块进行综合评估。评估指标由长度因素与语义得分共同构成：一方面考虑文本块的长度，通过对数函数提高短块得分的惩罚，另一方面则利用BERT模型评估文本块的语义表达能力。系统为每个文本块打分，筛选出质量得分超过设定阈值(实验取0.7)的高质量块，并丢弃低质量内容。

4.2. 参数自适应机制

为适应不同文书类型和场景任务的变化，系统还设计了参数自适应机制。通过实时统计所有文本块的平均长度与方差，系统能够动态调整滑动窗口的参数(如分块长度L和重叠度O)，并借助滑动优化准则自适应地优化窗口步长Δ，从而使整个划分过程在时空效率和语义完整性之间取得最优平衡。该机制尤其适用于文书内容长度分布差异较大的任务场景。

其核心依据源于参数最优比例定理(Optimal Proportionality Theorem)，该定理指出：

当滑动步长Δ、窗口大小w、阈值T满足

$\frac{T}{\omega }=\frac{{\Delta }^2+1}{\Delta +1},\Delta \equiv 1\left(\mathrm{mod}2\right)$ (1)

系统即可达到时空效率的帕累托前沿。结合项目数据特点，可实例化为：

$\Delta =32,\omega =480$ (2)

新的块长度和阈值T更新公式如下：

$L_{\text{new}}=L\pm \Delta \text{sign}\left(\frac{{\Delta }^2+1}{\Delta +1}-\frac{T}{\omega }\right)，L_{\text{new}}=T\ast \frac{L_{\text{new}}}{L}$ (3)

其中Δ与窗口大小w满足参数最优比例定理，保证划分效率与语义保真性的帕累托最优。经过若干轮迭代与指数平滑后，参数收敛到752，滑动窗口大小为480，重叠量O = 81。

最终，系统输出一组结构良好、语义饱满的文本片段集合，为后续的跨文本段落匹配与语义偏差检测提供高质量的输入基础。该双模态自适应分割策略显著提升了长文本处理的稳健性与适应性，特别适用于复杂任务描述下的人机交互文本解析场景。

5. 混合式跨文本段落对齐模块

在完成长文本的双模态自适应分块后，我们获得了对于原始指令(Content0)和转译指令(Content1)都具有结构化和非结构化分块集合的高质量语义片段。接下来的关键工作是将这些分块按段落级别进行精确对齐，以确保每条转译指令都能对应到其原始上下文，从而为后续的语义一致性校验奠定基础。

为此，本系统设计了一种混合式跨文本段落对齐模型。如图3所示，该模型在深度语义和浅层结构两个维度上对每个分块进行特征提取，并通过简洁的相似度计算完成自动对齐。首先，针对每个分块，系统采用预训练语言模型(如 hfl/Chinese-macbert-base)对文本进行编码，并通过均值池化将模型隐藏状态聚合为固定维度的语义向量 $v_{sem}$ 。此过程可表示为：

$v_{sem}=MeanPool\left(Encoder\left(p\right)\right)$ (4)

其中p表示待对齐段落文本。

Figure 3. Structure diagram of hybrid cross text paragraph alignment module

图3. 混合式跨文本段落对齐模块结构图

与此同时，系统利用已经构建的全量词汇表对分块计算TF-IDF特征，得到反映词频分布的结构向量 $v_{struct}$ 。这一步保证了在一些专有名词或关键词频率差异较大的场景下，模型仍能敏感地捕捉到关键术语。

在获得 $v_{sem}$ 与 $v_{struct}$ 后，系统分别计算两段落P_a与P_b的余弦语义相似度 $S_{sem}$ 和结构相似度 $S_{struct}$ ：

$S_{sem}=\frac{v_{sem,a}\ast v_{sem,b}}{\Vert v_{sem,a}\Vert \ast \Vert v_{sem,b}\Vert }$ (5)

$S_{struct}=\frac{v_{struct,a}\ast v_{struct,b}}{\Vert v_{struct,a}\Vert \ast \Vert v_{struct,b}\Vert }$ (6)

最终，系统采用加权融合的方式生成混合相似度得分

$S_{hybrid}=\alpha \ast S_{sem}+\beta \ast S_{sem}$ (7)

经过实验，我们取 $\alpha =0.7$ 、 $\beta =0.3$ ，以在优先保证语义对齐精度的同时，引入结构信息做辅助判别。对Content1中的每个分块，系统在Content0的候选分块集合中依据 $S_{hybrid}$ 得分进行排序，并自动选取Top-2个最相关段落。这样，不仅可以准确锁定每条转译指令对应的原始上下文，还能显著提升整个模型在后续细粒度语义一致性检测中的效果和效率。

6. 动态阈值双塔模型架构

本发明采用轻量化的双塔对比架构，通过可学习的动态阈值机制，实现对Content0与Content1语义相似度的自适应判别。整体结构如图所示，由共享编码器、对比分类器、动态阈值模块和高效数据预处理管道四部分组成。

共享编码器模块

系统选择ALBERT-tiny-Chinese作为基础编码器，并仅对前四层进行微调，其余层保持冻结以保留预训练知识。给定输入对(x1, x2)，编码器分别输出两路隐藏向量h1与h2，每个向量均取[CLS]位置的隐状态，并通过线性投射将维度压缩至312维。

对比分类器模块

对编码器输出的两路向量进行拼接后，送入多层感知机(MLP)进行高阶语义交互。在一层ReLU激活和Dropout (比率0.1)后，再通过一维线性映射得到对比得分s。该得分反映了两段文本在隐空间中的语义贴近程度。

动态阈值机制

为适应多领域、跨场景的指令分布差异，本系统引入动态阈值机制。每轮训练结束后，在验证集上基于F1与Youden指标联合搜索最优阈值 ${\tau }_v^{*}$ 。然后，采用指数平滑方式更新全局阈值：

${\tau }^{\left(t\right)}=\alpha {\tau }^{\left(t-1\right)}+\left(1-\alpha \right){\tau }_v^{*}$ (8)

其中平滑系数控制对历史阈值与新阈值的权重。为了稳定更新过程，系统还会基于近三次阈值变化幅度自动判断早停，并通过滑动平均抑制噪声波动，确保阈值在训练与部署阶段的稳健性。

数据预处理与前向流程

本模型在数据预处理阶段引入了高效拼接器(Efficient Collator)构建输入管道，对每对指令文本(Content0与Content1)进行分词、编码与动态填充操作。具体而言，对于每个批次的数据，拼接器根据当前批次中最长序列的长度对所有样本统一截断，使得输入的“input_ids”与“attention_mask”均为形状为(B, 512)的张量，其中B表示批次大小。此机制在保证模型计算效率的同时，减少了无效填充带来的计算冗余。此外，模型采用混合精度推理策略，编码阶段使用半精度(FP16)，分类阶段使用全精度(FP32)，以在确保精度的前提下进一步提高推理速度。

在模型的前向传播过程中，首先将两个输入文本分别送入共享的编码器模块，生成其对应的段落级语义表示向量。随后，这两个表示被拼接后送入对比分类器，输出一个标量对比得分，表示当前文本对是否存在语义偏差的可能性。为了增强模型在不同数据分布下的鲁棒性，对比得分在计算损失前需通过一个可训练的动态阈值进行判断。该阈值通过Sigmoid函数映射而来，表示模型在当前语境下自动学习到的语义偏差判别边界。

损失函数方面，模型采用带可训练阈值的二元交叉熵(BCEWithLogits)作为优化目标，同时联合更新编码器参数、分类器参数与动态阈值参数，从而实现语义表征与判别机制的协同优化。

通过上述流程设计，模型在保持参数量轻量化的同时，具备强适应性与稳定性，能够在复杂跨域场景中高效准确地识别长文本中的潜在语义偏差。

7. 实验

为全面验证所提出的DTDS (Dynamic Threshold Dual-tower Segmentation)模型在语义偏差检测任务中的有效性与鲁棒性，本章节设计并实施了一系列系统性的实验评估。我们在前述专用于人机认知偏差检测场景的DroneCMD-4006数据集上进行实验，实验在多个维度上构建了评估体系，涵盖基础分类指标、曲线类指标、混淆矩阵与嵌入空间可视化等。为进一步分析模型各模块的重要性，我们还开展了分模块消融实验，考察分段策略、阈值机制以及多匹配机制对整体性能的增益贡献。

通过与多种传统机器学习、深度学习及预训练语言模型的对比实验，我们验证了DTDS框架在准确率、轻量化与跨任务适应性方面的显著优势，并通过可视化结果进一步剖析其语义理解能力与决策边界特性。

7.1. 实验步骤

7.1.1. 数据集加载与预处理

本实验使用自主构建的DroneCMD-4006数据集，首先以JSON格式读取所有样本对，对文本进行统一的分词、编码和动态填充，具体流程参见第 6节“数据预处理与前向推理”中所述的Efficient Collator方法。

7.1.2. 实验配置

优化器：AdamW

批量大小：4

学习率：2e−5

训练轮数：20

损失函数：BCEWithLogitsLoss

数据划分：训练集与验证集按4:1比例随机切分

7.1.3. 模型训练

在训练集上对动态阈值双塔模型进行迭代优化，每个epoch结束后在验证集上评估F1和Youden指标，依据第 5.2节所述动态阈值机制自动调整分类阈值，并应用早停策略以防过拟合。

7.1.4. 性能评估体系

基础分类指标：准确率(Accuracy)、精确率(Precision)、召回率(Recall)和F1值；

曲线指标：ROC曲线与PR曲线，并计算AUC-ROC与AUC-PR；

混淆矩阵热力图：对正负样本的分类结果进行直观展示；

嵌入空间可视化：基于t-SNE对深度编码向量进行降维并展示正负样本在二维空间的分布。

7.2. 实验结果

模型在测试集上的平均性能见表 1。验证集准确率达到 94.53%，测试集准确率为 94.76%，精确率为 98.11%，召回率为 91.21%，F1值达到 94.53%。

Table 1. The average performance of the model on the test set

表1. 模型在测试集上的平均性能

从混淆矩阵(图 4)可以看出，模型对正例和反例的识别都非常准确，假阳性(FP)数量极少，几乎不会将无偏差样本误判为有偏差样本，这对于无人机集群与人类指挥官之间的信息传递至关重要，能够大幅度降低误报造成的多余响应；但仍然存在少量假阴性(FN)样本，这类漏检会引入后续的人工复核工作，虽然增加了二次确认的成本，但相比误报带来的错误执行风险，其影响更可控。

Figure 4. Visualization of confusion matrix of DTDS Model on DroneCMD-4006 dataset

图4. DTDS模型在DroneCMD-4006数据集上的混淆矩阵可视化图

为了进一步验证本方法的优势，我们与三大技术路线下的多个基线模型进行了对比实验(表2)。在传统机器学习方法中，TF-IDF + SVM虽然精确率可达 92.99%，但总体准确率与F1值仍低于本模型；Word2Vec + XGBoost 因词嵌入泛化能力限制，准确率仅为 85.41%。在深度学习基线里，标准Transformer和BiLSTM分别表现出对长文本语义理解不足和梯度消失带来的不稳定性，F1值分别为 0.8472和0.4078。预训练模型组中，bert-base-chinese在微调后取得 90.77%的准确率，而TinyBERT虽体积小巧但性能下滑明显。

Table 2. Multi model performance comparison

表2. 多模型性能对比

从表2可见，DTDS模型以 94.76%的准确率和 0.9453的F1值全面超越所有基线，其中对比最强的bert-base-chinese，准确率提升了4.0个百分点，F1值提升了4.37个百分点，且模型体积仅为其1/25。这样的结果验证了本研究在长文本分段、多模态对齐和动态阈值策略上的技术创新对整体性能的显著提升。

进一步分析表明，动态阈值机制通过对验证集上F1与Youden指标的多目标优化，并结合指数平滑与滑动平均抑制波动，有效抑制了跨领域数据偏差对模型判决边界的影响，使得模型在军事、物流、灾害救援等多种场景下都保持了高鲁棒性。综上，本研究提出的DTDS框架在无人机集群中指令语义偏差检测任务上，展现出卓越的准确性、稳定性和轻量化优势。

7.3. 消融实验

为验证各核心模块对模型性能的贡献，本研究设计了三组消融实验，分别考察分段与对齐策略、动态阈值机制和多匹配策略的作用。所有实验均在相同数据集和超参数设置下进行，仅逐一剔除或替换目标模块，其余组件保持不变。

Table 3. Comparison of ablation experiment results

表3. 消融实验结果对比

如表3所示，基于消融实验我们有以下的关键发现与分析：

分段与对齐策略的必要性：根据表3结果，在取消双模态自适应分块与跨文本对齐模块后，模型对长文本(>1024字符)指令的处理能力显著下降，准确率从95.21%跌至89.65%，精度损失5.56%，说明分段与对齐策略对于定位和对比长文本中的关键信息至关重要。

动态阈值机制的贡献：将动态阈值替换为固定阈值后，准确率下降1.32个百分点，并且验证集上的F1值也相应下滑，验证了动态阈值在跨领域分布漂移下提升判别鲁棒性的效果。

多匹配策略的增益：仅保留单匹配(Top-1)策略时，准确率下降4.81%，表明转译过程中指令信息可能分散于多个段落，Top-2匹配能够有效补偿信息丢失，提升对齐覆盖率和偏差检测的完整性。

综上所述，完整模型的性能优势来自于三大模块的协同：双模态自适应分块与跨段对齐增强了长文本场景下的关键信息提取能力；动态阈值机制提升了模型对不同任务领域和数据分布的自适应与稳定性；多匹配策略则通过双重候选进一步弥补了转译信息分散带来的对齐缺失。

7.4. 结果可视化

在完成模型训练和评估后，我们进一步通过可视化手段验证 DTDS 在语义特征表示与判别性能上的优势。

首先，采用t-SNE和PCA两种降维方法对测试集中的深度编码向量进行可视化，如图5所示。

图 5(a)展示了t-SNE的非线性降维效果，其中负样本(蓝色)在左上方形成紧凑簇状分布(簇密度ρ ≈ 0.90)，而正样本(红色)在右下方呈径向扩散模式(扩散半径R ≈ 19.5)，呈现清晰的非线性可分界面。

图 5(b)则是PCA的线性投影结果，可以看到两类样本在主成分空间中的投影位置明显分离，进一步佐证了模型所学特征的线性可分性与几何合理性。

其次，通过绘制ROC曲线来量化模型的判别性能，如图 6所示。DTDS 模型在测试集上的AUC达到 0.9750，显著优于TF-IDF + SVM (AUC = 0.9571)、bert-base-chinese (AUC = 0.9187)以及biLSTM (AUC = 0.5462)等基线方法。曲线形态显示，当假正率(FPR)控制在 0.05 时，DTDS的真正率(TPR)可达 0.93；即使将FPR放宽到 0.10，TPR 仍能稳定在 0.95 左右，充分体现了其在低误报高召回场景下的优异表现。

Figure 5. Visual comparison of semantic embeddings (Left: Tsnevisualization, Right: Final_pca)

图5. 语义嵌入可视化对比(左：Tsne_visualization，右：Final_pca)

Figure 6. ROC curve and AUC value (model performance evaluation)

图6. ROC曲线与AUC值(模型性能评估)

上述可视化结果表明，DTDS模型通过双塔结构构建了高度判别性的隐空间，双模态分块与跨段对齐保证了长文本关键信息的提取，而动态阈值机制为最终决策提供了自适应的边界。在复杂人机混合认知传播场景(如军事演习、城市应急调度、灾害救援等)中，该方法以低FPR、高TPR的性能优势，为指令语义一致性检测提供了可靠的技术保障。

8. 结论

为解决人机混合认知传播过程中指挥官原始指令(Content0)与簇首无人机转译指令(Content1)之间的语义偏差问题，本研究提出了DTDS (DynaThresh-DualSem)层次化语义偏差检测框架。该框架通过三大技术创新有效保障了长文本指令的语义保真性：

一是在文本预处理阶段，设计了双模态自适应分块策略，能够根据文档结构自动选择正则引导或空行敏感分割，并结合质量评估与参数自适应优化，有效拆解长文本指令，确保关键要素不被遗漏；

二是在跨文书语义对齐环节，提出了融合深度语义(ALBERT编码与均值池化)与浅层结构(TF‑IDF特征)的Top-2段落匹配机制，以混合相似度衡量精确定位转译段落与原始段落之间的对应关系，避免信息分散导致的对齐缺失；

三是在判别模型设计中，采用轻量化ALBERT-tiny双塔共享编码器，并引入基于验证集的动态阈值优化策略，通过多目标平衡F1与Youden指标并结合滑动平均与早停机制，实现了跨领域、多场景下语义相似度判别边界的自适应调整。

在覆盖七大典型应用场景的DroneCMD-4006数据集上，DTDS模型在测试集上取得94.76%的准确率、0.9453的F1值和0.9750的AUC，显著优于多种传统机器学习、深度学习及预训练语言模型基线，特别在低假正率条件下保持高召回率，充分验证了各模块的协同增益与整体方案的有效性。消融实验进一步展示了分块与对齐、动态阈值和多匹配策略对性能提升的关键作用；可视化分析则直观揭示了模型构建的特征空间具备良好的线性与非线性可分性。

尽管取得了上述成果，DTDS在更细粒度的偏差定位、多偏差类型的交叉辨识以及对抗性鲁棒性方面仍有待深化。未来将重点探索在句内短文本层面对偏差成因的精细化建模，结合多模态信息如地理坐标与时序属性，进一步提升偏差检测的精准度与泛化能力。总体而言，本研究为复杂人机交互场景下的指令语义一致性保障提供了一套高效、轻量且具有自适应能力的技术方案，对推动智能指挥系统和应急响应平台的可靠运行具有重要意义。