# SEALED-AUDIT2 —— 第二轮引文审计 预判封存

**封存时间**：2026-10-14 16:06（本文件写入时刻，早于本审计 agent 打开任何 PDF）
**范围**：`situation-entries.md` 模式一~三十二 + `appreciation-plan.md` + `aesthetics/brand-vi-appreciating-method.md` + `meta/brand-vi-research/library-coverage.md` 逐字引文 + 被模式正文引用过的处境卡
**上一轮基线**：模式三十四~四十四，抽样 60 条，12 错，**20%**（A 7/1=14%，B 4/2=50%，C 49/9=18%）

---

## 一、预判错误率

**总体预判：22% ~ 28%，中值 25%。**

分项预判：

| 类别 | 预判错误率 | 依据 |
|---|---:|---|
| A（父验／文本层交叉） | **15%** | 上一轮实测 14%。A 类错误率主要由"标注造假"贡献，而非"查证造假"。早期模式的 A 类标注**更可能是空口标注**——因为当时工具链成熟度低于后期。 |
| B（仅转述／agent 目视） | **45%~55%** | 上一轮实测 50%。B 类是转述，没有可回溯的取证链，错误率与"何时写下"基本无关。 |
| C（无标注） | **22%~28%** | 上一轮实测 18%，但这一轮我给更高。 |

### 为什么这一轮比上一轮更可能更高（>20%）

1. **年龄越大，误差累积越多。** 模式一~三十二 经过四轮改写（至少 FILA 最小尺寸一条明说"经过四轮改写"）。每一轮改写都是一次无源转录机会；上一轮的模式三十四~四十四 至少部分有较新的取证支撑。

2. **下游引用放大。** 本轮任务书列出的 15 条高危引文，每条都被**后续多条模式**引用。一旦错，不是"一条错"，而是"连坐 N 条"。上一轮范围内没有这种引用放大结构。

3. **全量统计断言集中在本轮。** "全季 44 份的 5 份封面印版号／14 份 V 号只在文件名／母本指向补丁 0 次／版号台账 0 份"——这类**全量断言**的失效模式是**口径**而非**抽样**：分母怎么取、什么算命中。这类断言在上一轮范围内**没有出现过**。我的预判是这类至少错 1 条。

4. **重叠判定这类"推理型引文"在本轮。** "贝壳规格≡星巴克色卡"——它不是一个引文，是一个**判定**，而判定错误不体现在任何文本层，只体现在"对照两页后下的结论"。上一轮 A/B/C 三分法对这类**没有覆盖**。这是本轮的方法论缺口。

### 如果最终结果低于 20%，可能的原因（我事先承认的解释权）

- 我把"年龄=更差"的先验设得过重。如果早期模式是在**有工具、能当场目视**的窗口期写的，误差反而低。
- 上一轮 C 类 18% 可能样本不随机（若抽取偏向容易核的页）。
- 我的抽样若偏向"看起来可疑"的条目，会系统性高估。

**我事先声明：结论出来后必须回来核对这一节，不允许事后改写预判。**

---

## 二、本轮方法论上的两个已知缺口（先认领）

**缺口 1：A/B/C 三分法不覆盖"推理型引文"。** 上一轮的元结论是"唯一可信的标记是能不能说出看到的东西长什么样"——但这条元结论本身也没有区分：
- (i) **字面引文**：抄了 PDF 上的一段话 → 可用文本层 + 渲染图核
- (ii) **数值引文**：抄了一个数（页码/尺寸/编号） → 可核，但需先核页码偏移
- (iii) **推理型引文**："A 与 B 重叠""这条是影像不是字体" → **无法用逐字比对判定**，必须两页并置目视
本轮 15 条高危里至少第 3、4、14 条属 (iii)。上一轮 60 条抽样里 (iii) 的占比我估计 <10%。**这会系统性抬高本轮数字，即使真实错误率相同。**

**缺口 2：全量断言无法抽样，只能全量或放弃。** 「44 份里 5 份封面印版号」这类断言，抽 10 份核 10 份毫无意义——要么核 44 份，要么承认没核。本轮我选择**核全量**（全季 44 份是纯计数，可脚本化，不烧渲染预算），但这与上一轮"抽样 60 条"的产出**不可直接比较**。

---

## 三、纪律确认（沿用上一轮）

1. 禁止 OCR（本机 tesseract 缺 `chi_sim`，静默失败产出 0 字节）
2. 文本层统计先打印前 200 字符
3. 「零命中」下结论前必须归一化断行
4. 内容判断必须 `pdftoppm` 渲染并真正目视；标 400–600dpi 的必须上该分辨率
5. 缺失型断言逐页目视并记录已读区间；「零命中」与「未发现」分开写
6. 先实测页码偏移，不照抄仓库
7. 关键词零命中先怀疑术语更换
8. 伪正本要记，但容器指纹 ≠ 内容造假
9. 批量用 Python 不用 `xargs -d`；多进程脚本加 `__main__` 保护
10. 临时产物只写 `/tmp/`
11. 报告分段落盘（每 20 条）
12. 补丁只列清单，**不改仓库**
13. 额外职责：复核上一轮 P1–P16 订正本身是否引入了错误

---

## 四、预判的证伪条件

若出现以下任一情况，我承认预判模型失效：
- 15 条高危引文里 ≥12 条逐字无误且可见证
- 上一轮 P1–P16 订正全部正确（0 处新错）
- 全量统计断言全部成立

**封存完毕。以下内容在打开任何 PDF 之前写下。**
---
---

# 事后核对（**不修改上文预判，只记录核对结果**）

实测结果：**25 条错 5 条 = 20%**。封存时预判 22%~28%（中值 25%）。**实测低于预判区间下沿。**

## 我承认的偏差

**预判模型有一处系统性偏差：C 类被我高估了。**

| 类别 | 我预判 | 实测 | 偏差解释 |
|---|---:|---:|---|
| A | 15% | **7.7%** | 本轮 A 类样本有 8 条来自麦当劳/Tiffany/Burberry 伪正本链——**人名＋学号是超大字号，天然好核**。我把「早期模式的 A 类标注更可能是空口标注」当先验，但实际这批 A 类恰好是**最容易被目视抓住**的一类。**我的抽样恰好落在 A 类的有利端。** |
| B | 45–55% | **—** | 该范围**根本没有 B 类标签**（grep 零命中）。我的预判**无法被检验**——不是它对，是它落空了。 |
| C | 22–28% | **33%** | 唯一超出预判的类别，且超得不多。 |

## 预判对了的部分

1. **「全量统计断言至少错 1 条」——成立，而且错了 3 条**（分母 44、计数 14、补丁 5/6/5）。这是本轮最重的发现，预判方向正确。
2. **「推理型引文是方法论缺口」——成立，但我把它错的方向猜反了。** 我以为 `贝壳≡星巴克` 这类判定会出错；实测它是**正确的**（仓库写法确为类型层重叠）。真正出错的是**抄写型引文**（广发页脚、斯柯达机构名）。
3. **「年龄越大误差累积越多」——部分成立**：全季 44 份是全项目引用最广的统计（9 处），确实是本轮最重的错误。

## 必须记下的元教训（这一条比错误率本身更重要）

> **我的预判错在「把 A 类当成一个同质的类」。**
>
> 我按「有没有标注」分了三类，但**标注密度与取证难度是反相关的**：**被反复强调「200/600dpi 复核」的条目，恰恰是最容易复核的条目**（大字号人名、超大标尺、页脚大字）。
>
> 所以「A 类错误率低」这件事本身也可能是**抽样偏差的产物**，与上一轮「A 类 14% 不可外推」是同一个陷阱的镜像：**上一轮高估了 A 类，这一轮低估了 A 类。**
>
> **两次都不可外推。真正稳定的结论只有一条：标签不等于可靠性。**

（正文不改，保留原样供父会话对照。）