2026-08-06　·　方法　·　說太滿

我們派 AI 去推翻自己的結論，然後它們成功了

2026 年 8 月初，我們把六條脈衝攻擊的頭條結論交給獨立代理，唯一的指令是「證明它是錯的」。結果三條推翻、兩條降級、只有兩條站得住。

對抗式複驗自我修正統計

#結果

六條裡三條推翻、兩條降級。 兩條保留下來的正向結論，都在我們的分析紀律裡寫成了規則。

因為我們在寫報告時，下意識地把兩個相關的因子當成正交的維度。三組例子：

「盲區的影響遠大於參數選擇」這條，複驗代理的發現是：

盲區與時間結構有強交互作用（雙因子分解 η² = 0.264，是時間結構主效應的 4 倍），所以「真正的變數是 X」這個句型本身不成立。

而且原始數字幾乎全靠一個退化的端點撐著：

	排除 blind = 1.0 之後
pulse 的盲區效應	8.9 倍 → 3.28 倍
patient 的盲區效應	54 倍 → 5.68 倍

如果量具在端點退化，量出來的數字最漂亮，也最沒有資訊。 這條後來被寫成分析紀律第二條。

複驗過程中還抓到一個我們沒預期的問題：wilcoxon_signed_rank_exact 的常態近似分支重複計算了平手修正。

這不是研究者的錯，是工具的錯。但它的危險在於——它會安靜地把不顯著變成顯著。

同一批被查出來的還有：bootstrap CI 用 Python 內建的 hash() 當種子，所以同一份資料在不同行程跑出 53,478 與 1,628 兩個數字。

複驗不是只有破壞。兩條結論經住了攻擊，而且它們比原來的六條更強：

P(抓到) = (1 − 盲區 β) × 抽樣率 p × 稽核準確率

三個因子共軸。這不是一個發現，是一條規則——但它是我們在三次不同的錯誤裡各自學到的。

實測支持：盲區 0.5 時稽核率 0.1 → 1.0 使攻擊者總得手下降 82%（Wilcoxon p = 5.5e-6）；稽核 0.5 → 1.0 剛好抵銷 50% 盲區（配對差 0.03、p = 0.78）。

盲區 × 時間結構的交互作用是時間結構主效應的 4 倍。這直接推翻「盲區是唯一真正的變數」這個句型。

誠實地說明一下：

最後一項很重要：複驗不是全知。 代理給了六條裁決，其中兩條我們自己標成「未複驗」，因為複驗代理也沒碰它們。