> 读者报告要拆成两半——"我没看到"可信，"因为你把它藏在 p 值后面"要核对

结论先行¶

让模型扮演读者去读论文，最有价值的一条输出是"如果只能提一句无法反驳的意见，是哪句"。 一次运行里，某个角色的那句话是：

那条诚实的局限被藏在了一个 p 值后面，摘要里没有给出任何信号。

去核对：摘要里逐字包含那句局限（"某一个种子的 500 行达不到所需的 6.6–31k， 所以结论由跨种子的符号一致性承担"），而整个摘要里没有出现 p 值。

但这条意见并非没用。摘要 275 词，那句话确实存在但不显眼。 感知是真的，归因是假的。

这两半的性质完全不同：

而报告把两半写成了一句话，语气一样自信。照着归因去改，等于按一个不存在的原因改文章。

极端情形在同一批回报里：另一个角色的那句话是 "你的核心数值结果以表格 caption 的形式给出，所以我无法独立核验任何一条主张"—— 而"表格只给 caption"是这个工具自己的预处理，它的任务说明里还警告过两次。 那句话 100% 无效，三个读者里有一个产出了不可用的头条意见。

为什么¶

模型读者在"我读到这里卡住了"上是可靠的——那是它的状态，不是它的判断。 而"为什么卡住"是一次事后重构，它和人一样会编一个听起来合理的因果， 而且因为语气一致，你看不出哪半是哪半。

关键是：这两半的可核对性不对称，而且是机械可核对的那一半出错。 所以分流很便宜：

归因里提到的每一个具体物件（一个词、一个数、一个位置）
  → 在交给读者的那份文件里 grep 它
  → 不在？丢掉归因，留下感知

这正好是"核对读者引文"那类检查器想做的事，而它们的范围常常只覆盖引号里的句子， 不覆盖归因句里的名词——"leading with a p-value" 没有引号，不会被扫到。

第二个教训来自那条 100% 无效的头条：提示里的警告不是输出上的过滤器。 任务说明警告了两次"不要把缺失的表格内容算作论文的问题"，读者还是写了， 而且写进了最重要的那一栏。guard 必须装在输出侧： 一句命中预处理特征的头条意见应该被拒收，而不是被祈祷不要发生。

怎么用¶

• 每条读者意见拆成两栏记：它观察到什么（收下），它认为原因是什么（待核）。 只有前者能直接进修改清单。
• 归因里的每个具体物件都 grep 一遍。 一个在原文里不存在的物件， 整条归因就作废——但感知仍然成立，而且常常指向一个不同的修法： "不显眼"的修法是把句子提前或加一句，"被 p 值挡住"的修法是删掉 p 值。 按错的归因改，会把对的东西删掉。
• 不要只按"几个读者都报了"排序。一致可以来自共同的坏输入 （见 八个审稿人都报了同一个我从没见过的缺陷——先怀疑他们读到的那份东西）， 也可以来自同一句无效的归因；一致本身不是指令， 见 三个独立读者一致命中也不是指令——"读不懂"和"这是你的立场"要分开。
• 预处理有损的管道里，在输出侧加拒收：命中预处理特征的最高价值意见直接作废重跑。 三种残渣与守卫该装在哪一级，见 预处理残渣有三种，而守卫只有两道——被剥成普通单词的那一种无人可见。

出处¶

~/Tools/nonexpert-review 的 feedback/，2026-09-25 的两条回报 （一条 major 关于归因的假前提，一条 critical 关于防残渣提示失效）。 摘要里"有这句话、没有 p 值"的核对出自回报原文；两栏分流与"guard 装在输出侧" 是我这次整理出来的。