分歧将错误群体升级：一致通过自动放行

Agent 确定性幻觉（第 7 部分）

本部分定位：本部分不延续第 13 部分 probe-vs-prose 线索。它回到 第 6 部分 的 L2→L3 升级规则 —— Dipankar 将投票分歧视为人工审核信号的做法。Alexey Spinov 的跟进评论指出，该信号指向了错误的群体。两项实验验证他是否正确，以及应在触发器中加入什么。

第 6 部分绘制了如下控制流：

L2 多视角投票
        │
   一致 ──────────► 自动通过 / 自动拒绝
        │
   分歧（如 2–1） ► L3 人工

进入全屏模式 退出全屏模式

文本中已有提示：分歧衡量的是模糊性，并不能解决一致性系统偏差。Alexey 的观点更尖锐 —— 它关乎路由，而非另一段免责段落。

1. Alexey 的人群错配

在第 6 部分讨论中，Alexey Spinov 写道（紧凑转述）：

危险的失败是高置信度且有方向的 —— 系统性的。系统偏差跨提示共享，而非特异性（你的 P3：多数投票无法修正）。因此三个视角往往会在这些案例上达成一致。分歧→人工于是把安全模糊的案例路由给你，却把确信错误的案例自动放行。升级信号指向了错误的人群。

他提出两个低成本替代方案：

  1. T1 —— 对已知反转类执行确定性触发器（无论是否一致都升级）。
  2. T2 —— 将一致 + 高置信度且属于历史易反转类视为升级 —— “高置信度即自动放行”的反向。

这就是待检验的主张。不是“分歧无用”，而是“在你已测量的失败模式下，仅凭分歧作为主要触发器是错误的”。

2. 实验 A —— DF v2 离线代理（无需新 API）

第 6 部分的 Mike 更新已显示：在 96 次 DF v2 MISS 运行中，95.8% 的自报置信度 ≥ 0.9（平均 0.969）。该群体高度集中 —— 第 6 部分还报告约 80% 的 MISS 运行来自 qwen3:0.5b —— 因此标题是一个集中事实，而非三模型普适定律。P2（同提示 N=10；此处无冻结 results-v2 转储）显示相同输入下模型内分歧 ≈ 0。因此初步结论：

  • conf ≥ 0.9 ≈ 一致通道代理 → 在第 6 部分 Dipankar 规则下会自动放行
  • conf < 0.9 ≈ 分歧代理 → 会升级

在 PASS 决策为 MISS 的案例中，剔除 2 次 deepseek DS4 运行中 confidence: null 的记录（策略表需要标量置信度）。下表分母因此为 n=94，而非第 6 部分标题的 n=96：

分歧代理下的分组 MISS 占比（n=94）
会自动放行（conf≥0.9） 97.9% (92/94)
会升级（conf<0.9） 2.1% (2/94)

同一 PASS 集合上的策略对比：

策略 MISS 捕获率 MISS 仍自动放行率
D（仅低置信度升级） 2.1% 97.9%
T1（升级所有 DF*/DS* 类） 100%† 0%
T2（反转类 ∩ conf≥0.9） 97.9% 2.1%
D+T2 100% 0%

†T1 是此测试装置上的类列表上界，而非独立发现。 每一次 DF v2 MISS 的 sid 均为 DF*/DS*；“升级所有反转类”因此按定义捕获 100% MISS。将 T1 视为 oracle 上限；可部署的主张是 D+T2。

脚本：scripts/escalation-population-mismatch.py。

代理下的结论（针对 D 与 D+T2，而非单独 T1）： SUPPORT。

代理不是多判断器重跑。下一节消除这一借口。

3. 实验 B —— DF 集合上的真实 Strict / Balanced / Lenient

相同的 20 个 DF v2 场景。相同的三个 persona（P3）。每个场景每个 persona 调用一次（每个模型 60 次调用）。升级策略现使用实际投票模式：

  • D —— 当且仅当 split 时升级
  • T1 —— 当且仅当已知反转类（DF*/DS*）且在接受路径上时升级
  • T2 —— 当且仅当反转类且 unanimous_pass 时升级
  • D+T2 —— 并集

deepseek-v4-flash —— 此主张的错误基底

几乎所有坏场景均被一致拒绝。0 次危险接受（多数 PASS 于坏案例）。无法在几乎不 miss 的模型上测量“一致 miss 自动放行”。空结果，并非证伪。

gemma3:latest —— 不同的失败形态

Strict/Balanced 拒绝，Lenient 通过 → 几乎全为 split，多数仍拒绝坏案例 → 0 次危险接受。分歧将升级几乎所有接受路径噪声（含真实通过）。也不是 Alexey 所指的人群。

qwen3:0.5b —— 匹配该主张的基底

6 次危险接受（多数 PASS 于坏输出）。其中：

模式 数量 占比
unanimous_pass 4 66.7%
split 2 33.3%

该运行的策略表：

策略 MISS 捕获率 MISS 仍自动放行率 真实通过升级率
D 33.3% 66.7% 0%
T1 100%† 0% 0%
T2 66.7% 33.3% 0%
D+T2 100% 0% 0%

†与 §2 相同提示：全部 6 次危险接受位于反转类 sid，因此 T1 的 100% 是类列表上限。关键行是 D+T2。

脚本：scripts/df-multiperspective-escalation.py。

结果：results-v2/df-multiperspective-qwen3-0.5b.json（另含 deepseek / gemma 转储）。

在实际产生该失败模式的模型上的结论：PARTIAL → SUPPORT。三分之二的危险接受是一致的，在第 6 部分规则下会自动放行。仅凭分歧捕获另外三分之一。D+T2 捕获全部 6 次，且未升级本运行中的真实通过。DeepSeek/Gemma 的空结果意味着这是一个基底条件的结果（系统性 miss 的判断器），而非对所有模型的主张。

4. 流水线中的变化

第 6 部分的图示仍适用于真实模糊。它不再是唯一的 L2→L3 触发器。

L2 投票
   │
   ├─ 已知反转类触发器（T1） ──────────► L3 / 硬拒绝路径
   ├─ 反转易发类上的 unanimous_pass（T2）► L3   ← 自动放行的反向
   ├─ split（Dipankar） ────────────────────────────► L3
   └─ 其余一致 ──────────────────────────────► 自动执行

进入全屏模式 退出全屏模式

将一致解读为置信度是 bug。在你之前出错过的类上达成一致，正是相关错误藏身之处 —— Alexey 的措辞，以及 qwen 的投票。

Mike 的第 6 部分更新从审计抽样侧面攻击同一尾部（不要按 1/confidence 加权审计）。本部分从升级触发器侧面攻击。同一人群；不同控制旋钮。

5. 限制（请保留以下内容）

  • DeepSeek / Gemma 的空结果意味着：强判断器或异常分裂的判断器无法压力测试此主张。该主张针对的是系统性 miss 的判断器，而非所有模型。
  • qwen 运行是每个 persona N=1（60 次调用）。足以拒绝“仅分歧就够”；但不足以生成生产速率卡。
  • T1 需要维护类列表（DF/DS 风格）。无历史的新冷启动类回退至 D —— 并继承 D 的盲区，直到该类被标注。
  • forge-verify 的 content-verify.mjs 目前仍实现分歧→UNCLEAR 多数逻辑。这些触发器是设计 + 博客证据，尚未在本篇中产品化。

更新（2026-07-22）：双臂 —— 复发 vs 新颖（Mike）

Mike Czerwinski 关于反向触发器：

它只在你已捕获为错误的类上触发。“历史易反转”由历史构建，因此尚未见过的易反转类……会产生一致高置信度且无触发器……这不是反对触发器的理由……而是主张将其视为双臂设计的一臂……已知反转触发器捕获复发。新系统偏差首次出现时，需要更接近……真正独立的二次读取[它]不需要历史即可分歧……已知反转类上的一致高置信度是正确的补充。它不是对“确信错误且从未捕获过”的修复。

该第二人群在本线程中已获命名：确信错误且从未捕获过（新颖系统偏差）。T1/T2 是复发臂 —— 低成本、历史条件化、必要。它们不是新颖臂。

Mike 希望填补新颖臂的可能是 classifier_disagree 独自携带信号（不共享模型先验的独立二次读取）。我们在第 6 部分采样装置上进行了消融（external-signal-ablation.json）：classifier_disagree 单独捕获 25.1% < 第 6 部分的 28.4% —— 最佳单一外部信号，仍然不足以单独成为新颖捕获器。与 barely_passed 捆绑后提升；单独使用则未达标。因此新颖臂不是“将 CD 单独放入触发器并宣布首次出现已解决”。

本系列反复落于此分叉：

臂 信号形态 捕获 成本
复发 T1 / T2 —— 失败历史、已知反转类 已烧毁模式的重复 低
新颖 不共享判断器先验的来源（通道外探针、独立模态 —— 见第 13 部分 probe-vs-prose；非同一文本通道中的另一提示） 新系统偏差的首次出现 高

你需要两者。错误在于期望低成本臂承担高成本臂的工作。D+T2 仍是第 6 部分图示的正确补充。它并未关闭“确信错误且从未捕获过”。

更新（2026-07-23）：什么是“通道外”（Mike）

在构建新颖臂探针前，Mike 界定了获得独立性的属性 —— 而非外观：

如果探针仍是另一个 LLM 调用，用文本推理判断主张是否正确，即使提示不同或被要求反对，也仍算同一通道。真正买来独立性的属性是：探针的答案来自通过原主张从未触及的路径重新推导事实 —— 不同数据源、结构不变量、重新计算，而非用不同提示二次读取同一证据。

具体而言：……提前声明探针错误意味着什么，且独立于原主张所述内容，就像校验和无论文件声称包含什么都可能错误。如果评估探针输出的唯一方式是与原主张的推理比较，则仍属通道内，只是流水线稍后。语义新颖性之所以困难，正是因为大多数可用第二意见继承了相同证据和相同推理基底……那些不继承的更稀有且通常领域特定，这可能就是为什么此臂保持开放，而复发臂今日即可构建。

校验和测试（可操作）：能否在不引用主张理由的情况下写出探针的通过/失败标准？如果不能 → 仍属通道内（戴帽子的第五提示）。如果能 → 通道外候选。

未通过测试（同一通道） 通过测试（通道外）
Strict/Balanced/Lenient、“与前一判断器分歧”、辩论面板 从源数据重新计算；结构不变量（schema、type、校验和）；执行可证伪主张的命令的 runner（第 13 部分 probe）
classifier_disagree（当 L2 仍为同一 artifact 的文本） L0/L1 形状/合约检查，从不读取 LLM 的故事 —— 仅当其裁决无需主张的散文即可解释时

因此：复发臂今日即可构建（T1/T2）。新颖臂有意保持开放 —— 不是因为我们未添加另一提示，而是因为真正的独立性稀缺且受领域塑造。第 13 部分的 probe-vs-prose 是现有最接近的线索；Mike 的校验和测试是任何声称位于该臂的验收标准。

更新（2026-07-23）：结构 ≠ 因果独立（Mike）

Mike 关于校验和门槛的跟进：

校验和框架设定了正确的门槛，因为它可独立于故事证伪。一个只能通过与原推理比较才能打分的探针，衡量的是同意，而非正确。

一个值得明确命名的案例……：“其他数据”在结构上不同，但仍处于同一采集流水线的下游。两个信号可能通过同一通道测试，却仍共享上游共同原因 —— 传感器故障或 schema 变更同时破坏主张和探针输入。结构独立与因果独立不是同一属性，而复发-今日可构建的情况可能在仅检查前者的同时悄然假设后者。

两个切分，而非一个：

测试 询问 通过条件 仍失败条件
校验和 / 同一通道 能否在不使用主张的故事的情况下为探针打分？ 可写出通过/失败标准而无需理由 探针是对同一证据的第二次文本读取
因果 / 共同原因 主张与探针是否共享上游失败模式？ 探针输入不处于同一采集/导出/schema 路径的下游 “其他数据”看似独立，但被同一传感器故障、schema 变更或错误导出破坏

校验和框架仍是正确的第一门槛 —— 它阻止同意打分。它不是共同原因屏障。将第二失败模式命名为“通道外”，以免悄然将结构差异提升为因果独立。

这对不对称主张的收紧： “复发今日可构建” 是关于已烧毁类上的 T1/T2 —— 历史条件化，无需独立性。下文的留守探针仅检查了新颖门槛的结构一半（无需主张理由即可写出通过/失败）。它未认证针对共享上游失败的因果独立。领域塑造的稀缺性现分两层：找到通过校验和的探针，以及找到其输入路径不与主张共享共同原因的探针。

更新（2026-07-23）：留守实验 —— 分叉可测量

最小离线测试（novelty-arm-holdout-test.py → results-v2/novelty-arm-holdout.json，使用 --holdout DS4 冻结）。将 DS4 从已知反转注册表中留守（跨模型 31 次高置信 MISS 运行）。针对首次出现群体的三臂：

臂 DS4 高置信 MISS 捕获率
A 复发（D+T2，DS4 不在注册表中） 0/31 (0%)
B 同一通道（同一 model×sid 的另一次运行被拒绝） 1/31 (3%)
B′ 同一通道（qwen Strict/Balanced/Lenient） unanimous_pass → 捕获失败
C 通道外探针（任务+artifact 校验和；无判断器理由） 31/31 (100%)‡

‡臂 C 是装置演示，而非盲泛化。 probe_fail() 编码每个 sid / 任务约束规则（含 DS4）；留守仅将 DS4 从复发注册表中移除。探针仍知晓 artifact 形状。将 31/31 解读为“一个校验和式标准可以在无类历史条目的情况下捕获首次出现”，而非“我们未看失败就发现了探针”。使用 --holdout DS9 时形状相同（重跑覆盖 JSON；默认冻结为 DS4）。

对照：复发在非留守高置信 MISS 上的表现 = 61/61 (100%) —— 类别已知时历史有效。探针对合法 V1/V2 无误拒。结论：SUPPORT 不对称形态（A 错失新颖 / B 崩溃 / C 在 oracle 规则下可捕获）；不是 主张臂 C 已生产就绪或因果独立。

因此 Mike 的分叉不仅是定义。在此装置上：低成本复发错失从未烧毁的类；同一通道二次读取与 miss 一起崩溃；一个校验和式探针可以在无注册条目的情况下捕获首次出现 —— 前提是你已知如何编写标准。新颖臂仍受领域塑造；该稀缺主张保持不变。结合上文更新阅读：本运行支持新颖门槛的结构一半；它不主张针对同一流水线共同原因的因果独立。

结语

第 6 部分将多数投票分裂停止于虚假共识是正确的。它错误地将补集 —— 一致 —— 视为对 DF v2 已测量的失败模式的安全自动执行。Alexey 指出了人群错配；DF 多视角重跑为其提供了数字。Mike 命名了复发臂无法看到的人群，界定了在构建该臂之前“通道外”必须意味着什么，并将该门槛拆分为结构独立与因果独立。

分歧保留。T1/T2 加入其中。它们都不是新颖臂。第五个提示也不是新颖臂。通过校验和的“其他数据”探针也不自动成为共同原因屏障。