Jev 影子期对照基线快照（截至 2026-09-21）

• HTML: https://decision.ht1072.top/2026-09-21-jev-shadow-baseline-snapshot-2026-09-21.html
• Local HTML: [已移除本地路径]
• Generated: 2026-09-21T14:24:08+08:00

Jev 影子期对照基线快照（截至 2026-09-21）

• 用途：预注册对照判据。09-23 10:00 影子期汇总推送后，用本记录对照差异，避免事后合理化。
• 上游：https://decision.ht1072.top/2026-09-21-jev-batch-form-stage1-record-2026-09-21.html
• 回滚方案（本地）：~/llm-wikis/knowledge-ops/queries/jev-batch-form-rollback-plan-2026-09-21.md
• 证据目录：~/llm-wikis/knowledge-ops/evidence/jev-batch-form-2026-09-21/

Jev 影子期对照基线快照（截至 2026-09-21）

结论

本记录冻结三样东西：改了什么（文件与开关的实际生效状态）、现在的数据长什么样（截至 09-21 的逐日基线）、09-23 该看什么（预注册判据，现在写死）。09-23 的汇总由既有 cron 自动推送并发布 decision trace，届时只需把新数据套进第 5 节的判据表即可，不需要重新设计对比方法。

一个重要预期先说清：09-23 的汇总只有 retain 预筛会出现「形态混合」告警，重要度与翻译验收全程仍是串行单一形态。看到混合告警是预期内的，不是故障。

一、时间线

二、改了什么（实际生效状态）

.env 无任何 Jev 相关覆盖，全部走代码默认值——这是下方默认值的可信前提。

文件指纹（回滚锚点）：

关键开关默认值：

三、截至 09-21 的数据基线

3.1 重要度影子（逐日）

低分条目（供 09-23 判断是否合理）：

判断口径：低分应该命中「与 AI/技术动态无关」的内容，且不应误伤核心 AI 动态。

3.2 翻译验收（逐日）

两日标记率稳定在 1/12。09-23 观察点：标记率是否突增（说明翻译质量或阈值有问题）。

3.3 retain 预筛（逐日）

09-22 与 09-23 的 05:20 cron 将走批量，成本预期降至 $0.00035–0.00040 区间（同量级输入下）。

3.4 语义去重（生产，逐 run）

09-20 的 5 次重复运行是同一批候选对（缓存路径），可直接看跨 run 稳定性：

其余 run：

两个阈值邻域观察（09-23 决策的直接依据）：

1. 上阈值侧：HN/Lobsters 同文（真重复）稳定在 0.56–0.61，始终够不到 0.85 → 若认为它该被删，就得下调 JEVI_HIGH。
2. 下阈值侧（09-21 修订补记）：Gary Marcus 同主题两篇从 0.23 漂到 0.26，越过了 0.25 的下阈值，动作由 keep_both 变 flag_review。性质不同：这条从「明确不同事件」漂成「灰区待审」，虽未触发删除（仍是保守方向），但说明下阈值同样存在邻域漂移。判断时不要只看上阈值。

四、09-23 汇总会看到什么（预期）

cron 用 --days 3，运行时窗口为 09-20 起。预期形态标记：

看到 retain 预筛的混合告警是预期内的，不是故障。它意味着：该场景的重复率/分数均值若要跨日比较，必须按形态分组看，切换点之前的串行数据不要与之后的批量数据混算同一条趋势线。

若重要度或翻译验收也报混合，说明有非预期改动，需要排查。

五、预注册对照判据（现在写死，事后不改）

09-23 拿到数据后，按下表逐条判。判据在看数据之前确定，避免事后调标准。

补充判据（本轮新增，来自批量形态验证）：

六、口径提醒（避免误读）

1. retain 预筛的串行/批量成本对比是近似对照，不是同输入对照。两次运行检索的是"最近 40 条记忆"，间隔数小时，记忆库已被 retain 写入改变，候选对数量不同（串行 17 对 vs 批量 28 对候选）。严格同输入对照在阶段 1 的去重场景做过（同一批 9 对，零动作变化）。
2. 分数不可跨形态比较（本轮实测：score 场景批量 vs 串行均值偏移 -0.169，单条最大 1.13）。阈值只对收集它的形态有效。
3. 重要度与翻译验收的分数是串行形态累计的，其阈值（JEVI_IMPORTANCE_DROP=0.8）只在继续用串行时有效；若日后切批量，阈值须重新校准。
4. 09-20 14:19 那次去重审计的 backend 为 None（Jev 替换上线前的 LLM 版本），09-20 14:47 起才带 backend=jev。

七、09-23 之后怎么对比

# 1. 复跑汇总（与 cron 同参，可得到完整 JSON 供逐字段对比）
mkdir -p /tmp/jev-shadow && python3 ~/.hermes/scripts/jev_shadow_summary.py \
  --days 3 --json-out /tmp/jev-shadow/summary.json --md-out /tmp/jev-shadow/summary.md

# 2. 逐场景对照本记录第 3 节的基线表
#    看：样本量增量、均值漂移、低分/标记/重复数量与构成变化

# 3. 检查形态分组（第 4 节预期）
python3 -c "
import json; d=json.load(open('/tmp/jev-shadow/summary.json'))
for k,v in d['scenes'].items(): print(k, '→', v.get('form_note'))
"

# 4. 套用第 5 节判据表逐条落结论

对比时如需回看本轮全部实测数字：~/llm-wikis/knowledge-ops/evidence/jev-batch-form-2026-09-21/（三臂对照、稳定性、陷阱、缺答探针、人工裁定、自测）。

八、证据索引