如何理解正负对照与未通过的精度检查？

项目版本说明

这些问答整合历史设计与实现资料；当前 main 分支 README 以工作包描述建设状态。具体能力、实验数据与设计目标的边界见项目状态与证据。

标准回答

校准记录包含年龄分离、同龄、有使用与无使用、全部近期内容、错误标记与撤销等对照。全部近期负对照的差值为零，同龄使用项高于未使用项，简单只按新鲜度的对照会降权 16/16 信号，而选定治理配置未降权这 16 条信号。这些对照帮助判断结果是否仅来自年龄差。

必须同时保留一个未通过项：54 组 Qwen 配置都未达到旧精度夹具的 0.70 门槛；选中配置为 0.0667，最好一组为 0.0749。记录把它解释为旧 fallback 相关夹具与真实语义邻域不匹配的限制，不能写成所有精度门禁均通过。

下一步应检查标注与模型适用性，在预先确定的新协议上复测，并保留旧结果。不能为了得到通过结论事后删除失败指标，也不能只凭这个不匹配夹具直接断言所有真实检索都不可用。

它压住单纯新鲜度差异，帮助检验使用反馈是否提供额外区分信息。控制变量仍不能代替真实长期行为。

可以在解释适用性并建立独立验证集后修订，但应标明测量协议改变，避免与旧结果直接比较或按结果倒推阈值。