「時間結構不重要」是怎麼錯的：把聚合量拆開

#我們原本量到的

攻擊策略是「脈衝攻擊」：放電 B 筆連續作惡，蓄積 R 筆乾淨交付，重複。我們掃了 15 個 (burst, recover) 的組合，在盲區 0.5 下：

基於這個數字，我們在報告裡寫了：

攻擊的時間結構幾乎不影響總得手數。

這句話是錯的。 或者更精確地說，它是一個推理錯誤，不是算錯。

#複驗代理的發現

它把「總得手」拆成兩個量：

總得手 = 路由次數 × 每次得手率

#正確的說法

在盲區 0.5 這一點上量不到時間結構對總得手的效應，但那是 absence of evidence。把得手拆成「路由次數 × 每次得手率」後，前者跨度 6.06 倍、後者 8.45 倍——總數之所以平，是曝光與效率反向抵消。攻擊能力差 8.45 倍。

#這件事的嚴重程度

複驗還查到三件事：

#為什麼這個錯誤這麼常發生

#這條規則的三個適用範圍

我們後來把它寫成通則，並在另外兩個地方用到：

第二個的完整拆解

第三個的完整拆解

#另一個類似的坑：主效應 vs 交互作用

「盲區的影響遠大於攻擊者參數選擇」這條結論，量到的是：

所以結論寫成「盲區是真正的變數」。但複驗發現這個排序本身是錯的：

交互作用是主效應的 4 倍。 一旦有這麼大的交互作用，「真正的變數是 X」這個句型就不成立——兩個因子都不能單獨當成解釋。

#我們為什麼漏掉

誠實地說三個原因：

1. 我們的原始指標是聚合值。 從設計的第一天就是。
2. 複驗代理拿到的是結論和資料，沒有我們的思考過程。 所以它不會被「曝光」這個概念預先污染。
3. 我們沒有把「拆解」列成必做步驟。 在那之前，檢查清單裡只有「有沒有分母」「有沒有 CI」。

#接下來

• 這條規則的完整版與另外三條：實驗方法與裁決值
• 派 AI 去推翻自己的完整紀錄：adversarial-recheck