这篇解决什么困惑

一条证据写得很明确：“本版本不支持持久化 checkpoint。”用户问的也是“当前是否支持持久化 checkpoint？”模型却返回了 SUPPORTED。这不是模型没看懂中文，也不是检索错了；它混淆了两个不同问题：证据本身是否被原文支持，以及证据对用户命题是支持还是反对。

这次错误让我意识到，Evidence 的“可信度”与 Stance 的“方向”必须分开建模。一个被原文准确支持的 Claim，完全可能是在反对用户问题中的命题。

关键结论

修复不是在 Prompt 里加一句“请认真判断”，而是明确判断的参照物、补齐结构化协议、固定模型参数，并用端到端固定集验证。修复后的一次真实模型验收得到 5/5 正确终态、0 false completion；这只关闭当前五类固定集质量门，不代表任意问题都可靠。

错误是怎样发生的

系统中一张证据卡片包含 Claim、原文 quote、类型和验证状态。verificationStatus 表示 Claim 能否追溯到原文，不等于它支持用户问题。最初的决策提示词没有把这个区别说透。模型看见“Claim 与 quote 一致”，便把“这条 Claim 有证据”误映射成 SUPPORTED。

但真正应判断的是：

用户命题：当前版本支持持久化 checkpoint
候选证据：当前版本明确不支持持久化 checkpoint
证据相对用户命题的立场：CONTRADICTED

这也是为什么不能让模型只看 Claim ID。M3 的决策引擎必须在 Java 进程内解析已观察 ID，并给模型有限的 Claim 文本与 quote，才能判断方向。同时，解析范围仍受到观察集合与数量上限约束，避免借修复之名扩大权限。

修复拆成了四层

第一层是语义规则。系统策略明确要求 status 相对于用户问题中的命题判断，而不是相对于候选文本是否被自身 quote 支持。支持用户命题的证据进入 supporting IDs，反驳用户命题的证据进入 contradicting IDs；这里判断的是证据与命题的关系，不是句子的语法肯定或否定。

第二层是协议。模型必须返回恰好七个字段的严格 JSON：协议版本、决策类型、状态、中文回答、支持 ID、反对 ID 和理由。SUPPORTED 必须包含允许的支持 ID，CONTRADICTED 必须包含允许的反对 ID，INCONCLUSIVE 两个列表都为空。

第三层是确定性校验。Codec 拒绝重复键、尾随 JSON、未知字段和非法枚举；决策适配器拒绝候选集合外的 ID；Completion Verifier 再检查引用是否确实由 Loop 观察过。模型“说得像对的”不等于系统接受。

第四层是运行参数与适配。真实复测固定 temperature 为 0，并补齐模型默认选项的转发，避免兼容层错误传递通用选项。这里的目标不是声称输出绝对确定，而是减少无意义变量，让失败更容易复现。

对应测试和评测证据

离线测试覆盖支持、反对、无证据、提示词注入式文本和无关干扰，也覆盖未知、重复、冲突引用，以及格式错误与供应商故障。真实模型评测则让每个案例都完整经过 Search → Resolve → Decide → Verify → Stop，而不是绕过 Loop 单测一个 Prompt。

第一次有效运行是 4/5，唯一错误就是把明确反对误判为支持。规则与协议修正后，同一五类固定集的一次记录为：支持、反对、证据不足、注入式文本和无关干扰全部得到预期状态，总计 5/5，false completion 为 0。

为什么强调“同一固定集的一次记录”？因为五个样本远不足以估计真实分布，模型版本、语言表达、复杂否定、多个冲突证据和检索噪声都会改变结果。5/5 是回归门，不是准确率承诺，更不是 SLA。

真实踩坑

第一个坑是字段命名带来的认知捷径。SUPPORTED 看似清楚，实际上必须说明“支持什么”。只要系统里同时存在 Claim verification 和 query assessment，任何模糊都会变成真实错误。

第二个坑是只测模型输出，不测完整链路。若测试直接把理想上下文喂给模型，就看不到 Resolver 是否漏卡片、Loop 是否观察过引用、Verifier 是否被绕过。端到端固定集更慢，却能验证控制边界仍然存在。

第三个坑是修复后急于宣布成功。一个漂亮的 5/5 很容易变成营销数字。更诚实的表达是：已知错误被复现，修复在固定集合上通过，尚需扩充否定、双重否定、时态变化、冲突来源和跨语言样本。

适用边界

这套修复适合状态必须相对问题命题判断的证据 Agent。对于开放式写作、规划或没有离散状态的任务，不能直接照搬三个枚举。即便在证据任务中，Prompt 规则也不能代替检索质量、引用约束和独立验证。

当前与未来

当前 stance-aware 决策已进入 M3 垂直切片，固定集质量门通过，但 M3 本身尚未关闭。下一步除了扩充语义回归集，还要持久化模型版本、Prompt 版本、输入候选摘要、用量和最终校验结果，以便出现新误判时真正复盘。

在此之前，我只会说“这个具体错误已有一套可重复的修复证据”，不会说“模型已经学会判断立场”。

更新时间：2026-08-18