台账体检：最危险的一档被度量缺陷伪装成了中间档

一、🔴 度量缺陷（本页最重要的一条，父会话已独立复现）

台账健康列的「字/页」把换页符（\f）当成了字符计数。

复现（泸州老窖 43p，台账标注「稀疏/伪影层(1.0字/页)」）：

项	实测值
pdftotext 产出总字节	43
页数	43
非换页符字符数	0
换页符个数	43
43 ÷ 43	1.00 字/页 ← 与台账标注精确吻合

后果：每一份纯图件都会显示为恰好「1.0 字/页」，从而被归入「稀疏/伪影层」这个中间档。 而它们的文本层其实一个字都没有——这是最危险的一档，因为「文本层未见页码候选」此时是同义反复，不承载任何观测。

按「字/页」排序做分诊，会把信息量为零的件排成中等。 这不是标注瑕疵，是分诊排序本身失效。

二、R1 规模（分母必须分层）

分母层	值
A 全表	1,561 行
B 形态依据＝「文本层推断」（未目视）	1,556（99.7%）
C 有目视依据	5（0.3%）
D 横版未裁决集	917
E = B ∩ 稀疏/伪影层（R1）	292
F = E 按 MD5 去重	238

• R1 的 292 行全部声称「无页码」，无一例外。
• 其中 277/292（94.9%） 实测文本层一个真实字符都没有。
• ⚠️ R1 内含 49 组重复 MD5、103 行，重复率 35.3%——「292」与「238」是两个量，按行统计的任何比率都被放大。

三、抽验结果（n=5，1.7%）：推翻 2

抽样框 R1 全集 292 行，按台账物理行序，random.seed(20261015) 无放回抽 5 个下标。 5/5 的 MD5 与台账逐条吻合；24 张渲染图，0 张零字节，未用 OCR。

份	fontcheck	600dpi 实测	判定
AirAmman 35p	exit=3 NO_FONT_INFO	p3=02、p11=10 → 偏移 −1	🔴 推翻
gourmet 60p	exit=0 OK	p5=01、p17=13 → 偏移 −4	🔴 推翻
浴见 46p	exit=3	p2/4/12/30 无页码（p2 的 2023 是年份）	一致
蕉下 90p	exit=3	p6/22/40 无页码（600dpi 确认暗块是 LOGO 不是页码）	一致
光环 38p	exit=3	p4/14 无页码（600dpi 裁切＝纯白，是缩图伪影）	一致

被推翻的两份不是边角料——AirAmman 是 32 项正规 VI 手册，gourmet 有完整版式规范。 恰恰内容最规范的件最容易带规范页码。

四、裁定与重述建议

「无页码」这个结论在 R1 上不可信——且是【机理层面】不可信，不是逐份不可信。

依据有两条，都不依赖那 5 份样本：

1. 277 行文本层是真空——此时「未见页码候选」是同义反复；
2. 同档已有 2 份 600dpi 反例（AirAmman、gourmet）。

建议重述：

• 第 6 列改为 页码形态：未检验。文本层实测为空，"未见页码候选"不构成任何观测
• 第 10 列可信度改为 不可信（结论建立在空文本层上；同档已被证伪）

但不能报「全表真无页码数」——没有任何一行做过全册目视，真值区间收窄不了。

五、自陈的洞（不弱化）

1. n=5 占 1.7%，推翻率 2/5 的 Wilson 95% CI = [1%, 84%]——宽到几乎无信息量。只能当「存在系统性失效」的证据，不能当点估计。
2. 每份只看 2–4 页，无一份全册通览。 三份「一致」只能读作「被看的几页未见推翻」，已刻意标低/中置信；按 PITFALLS 26 这 5 份都还没达标。
3. 纯图件上 -bbox 无输出，裁切框退化为几何裁切——对既定方法的一处偏离。600dpi 复核这步没打折，但定位依赖目测。
4. 偏移只测单段（−1 只测 p3–p11，−4 只测 p5–p17）。按 PITFALLS 110 会漂移，这两个是「该段的值」不是「全册偏移」，填表前必须补测分段。
5. 未裁决任何跨页性。 蕉下 p22/p40 是页内并排两套独立版面，但没有页码对就没步长可测，未据此宣布跨页，留作待裁决。
6. 反向检索三种结果都出现了：台账同源副本（不算独立证据）／只裁跨页不裁页码／round10 已目视蕉下 5 页却没记页码。 按 PITFALLS 92：搜到了却扔掉，没有反例可核 ≠ 没有反例。
7. R2（70 行）/ R3（102 行）本轮零数据，不应从 R1 外推。

六、可迁移的判据

凡以「跑一遍没命中」为证据，必须同时报告：①跑了多少 ②读进去多少。 若「跑」的结果里混入了与内容无关的结构性字节（换页符、BOM、空白），那么「读进去多少」必须按剔除这些字节后的口径报告，否则该指标恒不为零，永远无法区分「内容很少」与「内容为零」。