五次複印裡唯一穩定成立的：迴圈比單抽一次多 17 到 29 個百分點

相關

• 五次複製之後：頭條宣稱輸給了自己的穩定性規則

  R460 量到修訂迴圈比換人重抽多 13.33 個百分點，Holm p = .0112。五次同題複製之後，五次全部不顯著，0/5 通過校正，狀態降為「同號未解析」。

• 這是成功率提升，不是 token 效率提升

  逐通重算 197 格零差異。H-MIX 對單抽一次是 2.23–2.78 倍 token，五次複印中有四次每個正確交付比閘門更貴。「同樣的上限」不等於「同樣的實際成本」。

• 增益來自迴圈，不是來自第一輪的提示詞

  把第一輪的完整回應取出來離線重新評分：迴圈貢獻 +19.17 / +17.50 個百分點，第一輪提示詞只貢獻 +6.67 / +8.33。21 道題被迴圈救回。

• 評審閘門的誕生：執行取代意見，收據取代投票

  刪掉 AI 評審委員會，改成「跑客戶的驗收測資、交第一份通過的、全不通過就拒交」。三個題庫上多交付 4.58 到 19.17 個百分點，每題只花 1.5 通呼叫。

• 兩個解釋被自己的實驗排除之後，機制才有地方改

  「模型太強」和「題目太簡單」是兩個人類提出的解釋。兩次實驗把兩個都排除了，評審機制才被迫改設計——改的方向是換裁判，不是換評審模型。