docs(bug-history): BUG-1600 follow-up eval of the no-gloss D9 wording

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01DbBXoyeZrYn6ryNcSe5Y2Y

docs/BUG_HISTORY.md

@@ -21919,6 +21919,7 @@
 - 修复（分支，未上线）：只改婚姻分支：「内里有底子」也不写；D9（婚姻分盘）是同一条线的一部分，不是关系能长久的另一份证明；力量只能说本人带进关系里的东西，不说关系能持久。父母分支与 ≥2 / 1 / 0 逻辑不变。
 - 验证：咨询相关测试 563 / 563 通过（分支作者）。盲评：基线 = staging 39825d4e，同一 golden、同一命令，只跑婚姻原题，9 人 × 每轮 2 份 × 4 轮 = 每版 72 份；打乱、隐藏版本，同一份评分说明，重评 54 份（38%），判定一致 52 / 54；另一轮盲标注数「分量 / 稳定的正面断言」；bootstrap 10 000 次，按 36 个题（人 × 轮）配对。持久 / 分量断言 63 → 25（−38，95% CI [−46, −30]），泰勒 8 → 2（剩下两份是「不是空的」一类），奥巴马 8 → 1、乔布斯 7 → 0、嘉兰 8 → 2。严重 0 → 1（CI [0, +3]，梦露一份「走到稳也需要比一般人更长的时间」，第二名评分员判通过）；误报 1 → 0（基线齐达内一份）；可读性 3.83 → 3.82（不显著）。本轮评分员在婚姻题上普遍宽：基线泰勒 8 份里 8 份被标出「底子不薄」「内里是有厚度的」一类，严重仍判 0 / 8（BUG-1599 第二轮同类句判 4 / 8），所以严重数在本轮分不出两版，以盲标注为准。
 - 已知副作用：「婚姻分盘」4 → 24 处（21 份），抄自新句；「自己带着」0 → 4；「底子」56 → 21、「内里」6 → 4 下降。
+- 跟进（2026-11-05）：pressure 婚姻句去掉「D9（婚姻分盘）」这个注释，改为「D9 同样算在这条线里，不另作关系能稳的证据，回答里也不单独点出这张分盘」（分支 `codex/consult-d9-nocopy-20261105`，`74624856`，基于 staging cb8fcca7）。同一方法盲评（基线 = staging cb8fcca7，只跑婚姻原题，每版 72 份，重评 54 份 = 38%，判定一致 53 / 54；bootstrap 按 36 个题配对）：点出婚姻分盘的回答 64 → 9（换叫法的「看婚姻的那张分盘」「更细的分盘」等计入；「婚姻分盘」31 → 0、「分盘」91 → 9 处），「自己带着」10 → 3、「底子」28 → 18；持久 / 分量断言 8 → 8（CI [−7, +7]，本轮标注员两版都只标出很少）；泰勒 2 → 1，严重 0 / 0；严重 0 → 2（CI [0, +5]：琵雅芙一份把范围标题偏向「同一段关系里反复磨」，第二名评分员判通过；梦露一份「这条感情线有底子……你能建立长期关系」）；误报 0 → 0（布什、齐达内都是 0）；可读性 3.79 → 3.93（+0.14，CI [+0.01, +0.26]）。
 - 防复发：服务端给出范围时，同一条线的其它层（分盘、力量）也要在同一句里点名，否则模型会把它读成另一份证明。
 - 关联记录：BUG-1599、BUG-1161、BUG-1540。
 - 复发自：BUG-1599（同一现象在 D9 层的残留）