# 封存集 v5 采集协议（2026-09-20）

> 状态：**协议已拟定，未采集事件、未建成数据集、未评分、未完成独立人工审阅**。本文件只交付 T3，不等于 BUG-980 已解决。
> 任务：[TASK-rectification-validation-integrity-20260920](../tasks/TASK-rectification-validation-integrity-20260920.md)。关联 BUG-098 / BUG-428 / BUG-980。
> 本文所有样本量、事件数、半径与工时均为**协议目标或估算**，不是模型成绩；本轮不产生评分实现哈希或准确率。未来评分必须附完整实现哈希、数据集哈希、ayanamsa、node mode、半径、步长和试验登记号。

## 1. 要证明什么，以及明确不证明什么

v5 的目标是同时满足 **封存 + 每例至少 7 件带年月事件 + 至少 4 个领域**：事件密度对齐 v4，隔离纪律至少达到 v3 设计目标，并修补“程序不读真值”不等于“人未看过成绩”的缺口。拟获得至少 25 个合格人物；下列 26 人只是备选池，不保证其事件覆盖已达标，不足时须在评分前按同一标准扩池。

**在 v5 就绪之前，任何对外的分钟级准确率说法都没有依据。** v5 就绪也仅是允许开始验证，不是默认验证成功；还必须完成预注册评测、独立审阅与发布决策。

- T2 的数字是 v3 每例仅 3 件事的**低事件量口径**，不是对真实会话准确率的保证，更不是数学意义上的性能下界。重新冻结当前实现可以恢复“成绩归属于哪个实现”的可追溯性，不能消除旧人物、旧事件或旧成绩的曝光。
- T1 的数字是“申报偏差为 X 时会怎样”的**敏感性**，不是实际用户准确率；未知真实用户的申报偏差分布时，不得把各偏移档等权平均后宣传为产品表现。
- 真值藏在排名之后只证明程序的标签隔离；独立盲测还要求未用其人物/事件/结果调参。BUG-428 已规定：**结果已被看过的案例不得再计入盲测**，自动化迁移的审阅记录也不等于新的传记级人审。
- Rodden-AA 表示出生来源等级，不保证记录无舍入、无转录差错，更不保证真实出生瞬间精确到某分钟。评测标签称为“有来源的记录时间”，不能抹平记录误差。
- 本协议不改打分、阈值、产品行为或确认门。`accepted` 不等于 `confirmed`；即使未来达到指标，确认门是否开放仍须产品另行授权。

## 2. 候选池与来源筛查

### 2.1 本次核对的边界

2026-09-20 通过公开网络搜索，逐人核对 Astro-Databank 或其同站生日索引返回的 **Rodden Rating = AA** 与出生资料来源类别。本机对部分原文页直接读取返回校验页，因此以下状态仅为**可追溯的候选筛查**，不是出生证原件已取得、源页已归档或独立人工审阅已完成。正式入集前必须重新打开逐人原文、复核 Source Notes 并登记页面修订号/检索时间；若无法核实或等级降级，按资料不合格替换，不得把搜索摘要升级为完成证据。

只列人物和资料来源类型，不采集、复制或展示出生分钟、坐标和生平事件内容。`BC/BR in hand` / `Quoted BC/BR` 是来源网站的标签，不是声称本项目持有原件。事件来源目前只是允许的来源类型，尚未检索或标注。

| # | 公开人物 | AA 来源页与出生资料类型（候选筛查） | 后续事件来源类型（待采集） |
| --- | --- | --- | --- |
| 1 | Albert Einstein | [Astro-Databank](https://www.astro.com/astro-databank/Einstein,_Albert)；BC/BR in hand | 诺贝尔官方、大学档案、公开传记 |
| 2 | Marie Curie | [Astro-Databank](https://www.astro.com/astro-databank/Curie,_Marie)；Quoted BC/BR，Source Notes 指向洗礼记录 | 诺贝尔官方、研究机构档案、公开传记 |
| 3 | Emmanuel Macron | [Astro-Databank](https://www.astro.com/astro-databank/Macron,_Emmanuel)；Quoted BC/BR | 政府公开档案、可靠新闻、公开传记 |
| 4 | Marilyn Monroe | [Astro-Databank](https://www.astro.com/astro-databank/Monroe,_Marilyn)；BC/BR in hand | 电影机构档案、可靠新闻、公开传记 |
| 5 | Emma Watson | [Astro-Databank](https://www.astro.com/astro-databank/Watson,_Emma)；Quoted BC/BR | 联合国公开档案、院校/电影机构记录、公开传记 |
| 6 | George Clooney | [Astro.com 同站 AA 索引](https://www.astro.com/adbvip/adbvip_05_06.htm)；BC/BR in hand | 电影学院/电影节官方、可靠新闻、公开传记 |
| 7 | Tom Hanks | [Astro-Databank](https://www.astro.com/astro-databank/Hanks,_Tom)；BC/BR in hand | 电影学院官方、可靠新闻、公开传记 |
| 8 | Meryl Streep | [Astro.com 同站 AA 索引](https://www.astro.com/adbvip/adbvip_06_22.htm)；BC/BR in hand | 电影学院官方、院校档案、公开传记 |
| 9 | Johnny Depp | [Astro-Databank](https://www.astro.com/astro-databank/Depp,_Johnny)；BC/BR in hand | 电影机构档案、可核实公开记录、可靠新闻 |
| 10 | Leonardo DiCaprio | [Astro-Databank](https://www.astro.com/astro-databank/DiCaprio,_Leonardo)；BC/BR in hand | 电影学院官方、联合国公开档案、公开传记 |
| 11 | Albert Camus | [Astro-Databank](https://www.astro.com/astro-databank/Camus,_Albert)；Quoted BC/BR | 诺贝尔官方、出版档案、公开传记 |
| 12 | Jean-Paul Sartre | [Astro-Databank](https://www.astro.com/astro-databank/Sartre,_Jean-Paul)；BC/BR in hand | 诺贝尔官方、院校/出版档案、公开传记 |
| 13 | Simone de Beauvoir | [Astro-Databank](https://www.astro.com/astro-databank/Beauvoir,_Simone_de)；BC/BR in hand | 文学奖/出版档案、院校档案、公开传记 |
| 14 | Victor Hugo | [Astro-Databank](https://www.astro.com/astro-databank/Hugo,_Victor)；BC/BR in hand | 国家图书馆/议会档案、公开传记 |
| 15 | Marcel Proust | [Astro-Databank](https://www.astro.com/astro-databank/Proust,_Marcel)；BC/BR in hand | 文学奖/出版档案、公开传记 |
| 16 | Marion Cotillard | [Astro-Databank](https://www.astro.com/astro-databank/Cotillard,_Marion)；Quoted BC/BR | 电影学院/电影节官方、可靠新闻、公开传记 |
| 17 | Juliette Binoche | [Astro-Databank](https://www.astro.com/astro-databank/Binoche,_Juliette)；Quoted BC/BR | 电影学院/电影节官方、可靠新闻、公开传记 |
| 18 | Catherine Deneuve | [Astro-Databank](https://www.astro.com/astro-databank/Deneuve,_Catherine)；Quoted BC/BR | 电影机构档案、可靠新闻、公开传记 |
| 19 | Alain Delon | [Astro-Databank](https://www.astro.com/astro-databank/Delon,_Alain)；Quoted BC/BR | 电影机构档案、可靠新闻、公开传记 |
| 20 | Sophie Marceau | [Astro-Databank](https://www.astro.com/astro-databank/Marceau,_Sophie)；Quoted BC/BR | 电影机构档案、可靠新闻、公开传记 |
| 21 | Jean Dujardin | [Astro-Databank](https://www.astro.com/astro-databank/Dujardin,_Jean)；BC/BR in hand | 电影学院/电影节官方、可靠新闻、公开传记 |
| 22 | Zinedine Zidane | [Astro-Databank](https://www.astro.com/astro-databank/Zidane,_Zinedine)；BC/BR in hand | FIFA/俱乐部官方、可靠新闻、公开传记 |
| 23 | Kylian Mbappé | [Astro-Databank](https://www.astro.com/astro-databank/Mbapp%C3%A9,_Kylian)；Quoted BC/BR | FIFA/俱乐部官方、可靠新闻、公开传记 |
| 24 | Antoine Griezmann | [Astro-Databank](https://www.astro.com/astro-databank/Griezmann,_Antoine)；Quoted BC/BR | FIFA/俱乐部官方、可靠新闻、公开传记 |
| 25 | Serena Williams | [Astro.com 同站 AA 索引](https://www.astro.com/adbvip/adbvip_09_26.htm)；Quoted BC/BR | WTA/赛事官方、可靠新闻、公开传记 |
| 26 | Muhammad Ali | [Astro-Databank](https://www.astro.com/astro-databank/Ali,_Muhammad)；BC/BR in hand | 体育机构档案、可靠新闻、公开传记 |

来源类别释义：[Rodden Rating](https://www.astro.com/astro-databank/Help:RR)、[Data Source](https://www.astro.com/astro-databank/Help:DataSource)。备选筛查中非 AA、无法明确核实 AA 的人物不进入此表；不能用关联人物条目的 AA 为目标人物背书。

### 2.2 与既有材料去重

基线 `5049e784` 中 v3 / v4 的人物集合相同，均为以下 20 人：Barack Obama、Angelina Jolie、Tiger Woods、Elizabeth Taylor、Elizabeth Montgomery、Pablo Picasso、Sigmund Freud、Salma Hayek、Steve Reich、Albert Brooks、Paul Ryan、Tom Kennedy、Andrew Windsor、Sean Lennon、Joseph Kennedy III、Kurt Cobain、John Robbins、Chad Everett、Bernd Eichinger、Iwao Takamoto。

本表 26 名候选与上述集合的**人物交集为 0**；不是只比较文件行号或 case_id。正式采集还须按姓名别名、出生来源页归一化身份，与仓库内其他已评分语料、v4 intake、已公开研究报告继续比对：**与 v3/v4 不重叠只是必要条件，不是无曝光证明**。姓名公开也不代表其事件内容可以用于调参。

此备选池存在明显的地区、职业、公共传记可得性偏倚。不能为凑四个领域把多次职业获奖改标成财富、迁居或家庭事件；不能把静态家庭属性塞进事件打分。每人未达到门槛时记为筛查未通过，评分前依协议扩池；不得看成绩后换人。

## 3. 标注协议：沿用 v4 四条，补上真正的封存

沿用 [holdout_v4_build_2026_09_14.md](holdout_v4_build_2026_09_14.md) 的四条约束，但**不继承 v4 的公开评价属性或人物**：

1. **AA 记录**：出生数据只取已复核的公开 Astro-Databank AA 记录及 Source Notes。这里的“沿用”指原样保留来源内容和精度，不是从旧集拷贝人物。来源存在冲突、舍入或日期/时区解释问题时必须留标记；无法裁决不得强选有利于打分的一项。
2. **独立事件来源**：每人至少 7 件可核实到年月的事件、覆盖至少 4 个现有可评分领域；事件来源可为 Wikipedia、Britannica、诺贝尔/电影学院/体育机构官方、政府/大学档案等。每件至少一处可核实公开来源，且 `independent_of_birth_source=true` 只能在事件来源实际独立于出生源后置真，不能只看 URL 不同。占星网站转述和依赖出生源的循环引用不算独立事件证据。
3. **工作日期必须核实**：工作日期用经核实的公历，精度忠实于来源。只有年份的事件不能虚填月份来凑本协议的年月门槛；冲突必须由独立复核者裁决并记录，不沿用已被否定的错年。保存最小必要的出处、检索时间、精度、领域、审阅记录，遵守转载许可，不能大段复制受版权保护原文。
4. **三档半径写在数据集上**：保留对照档 ±10 / ±30 / ±60，不以成绩决定跑哪些档；不把“真值所在簇”预写入可评分输入。正式采集任务还须在揭晓前冻结产品申报中心档 ±15 / ±30 / ±60 / ±120、偏移列表及跨午夜规则，作为独立的申报偏差敏感性附表，不混进真值居中成绩。
5. **封存**：**v5 建成后，在产出第一份成绩之前不得被任何人读取事件内容做调参**；第一份成绩之后同样不得用 v5 调参。采集者/审核者因工作需要可读取来源，但不能参与基于该材料的打分选择；评分/调参团队只能看到协议、接口形状与另立的开发集。任何越界曝光必须登记，相关人物降为开放诊断材料，不能继续充当未见盲测。

## 4. 角色隔离、封存物与一次揭晓

| 阶段 | 执行角色与可见内容 | 必须保留的证据 |
| --- | --- | --- |
| 名单筛查 | 数据采集角色；仅来源资格与既有曝光比对 | 候选/排除清单、资料理由；不得用评分优劣筛选 |
| 事件标注 | 数据采集角色；出生来源与公开事件 | 每件来源、精度、领域、原始/裁决日期关联；不运行评分 |
| 独立人审 | 不参与调参的另一名人工审阅者 | 真实 `fresh_biography_audit` 记录；自动化不可自置 `independent_human_reviewed=true` |
| 冻结 | 评测保管角色 | 固定成员清单、持久分区、数据/事件/标签 SHA-256、来源审阅清单、冻结时间；访问权限与曝光日志 |
| 评分冻结 | 评分负责人；仅开发集与协议 | 精确 commit、实现文件清单/逐文件及聚合哈希、参数、依赖/引擎版本、并列规则、指标计算和拒绝定义 |
| 单次完整运行 | 隔离评测运行器 | ranker 输入中无真值标签；所有候选完成排名并持久化结果后才能关联标签；运行日志、退出码与输出哈希 |
| 揭晓与审阅 | 评测保管角色 + 独立审核者 | 首次全量报告、全部失败/无效项、阈值对照、执行环境与重试台账；不得只展示最佳档 |

建议将未揭晓事件/标签包保存在独立受控存储，不提交到评分开发者可随手读取的工作树；仓库先只保存协议、匿名 manifest 与哈希。谁能读事件、谁能改评分必须分别登记。名单已公开、预训练语料可能包含名人生平等剩余污染风险必须写进报告，不能把访问隔离说成绝对无污染。

- 原始标签与候选排名分离；不得在并列时按接近真值挑选。沿用已冻结的 `_opaque_winner` 式不依赖真值的哈希打破规则。
- 引擎口径拟固定 `ayanamsa=raman`、`node_mode=mean`；精确分钟排名使用 1 分钟候选步长。若需要与旧 2 分钟研究比较，另列预注册附表，不能合并分母或借用旧成绩。
- 同一人全部事件只属于一个固定分区，不能通过换 case_id、加事件、修改旧标注来洗成新盲测。
- 在首次运行前原样登记五项发布阈值和计算定义（top-1、top-3、MAE、误确认率、信息不足正确拒绝率），同时报告区间覆盖、确认覆盖率、真值在候选集中的比例与分母。信息不足子集及拒绝对照必须在揭晓前指定，不能从失败案例反向挑选。
- `validator` 不通过的人物在评分前排除且列明理由。运行错误不应静默剔除；若是基础设施失败，保留原失败记录并只允许同一冻结实现/数据重跑。若源数据揭晓后发现错误，旧报告标无效/受影响，不删除历史，更不得把修订后的已见案例重新标成从未曝光。
- BUG-098 要求的稳定分区与校准证据在此具体化为冻结 manifest、访问/曝光日志和独立验收；尚未有这些产物时，不得声称 v5 已建成。现存人审校验规则不能代替这些实际产物。

## 5. 工作量估算与完成门

以下是人工工时估算，不是已经投入的工时。按最终 25 人、每人至少 7 件事件，即至少 **175 件**、每件至少一处可核实公开来源计算；网络读取、资料不足与来源冲突可能使工作量上浮。

| 工作 | 估算依据 | 人工小时 |
| --- | --- | ---: |
| AA 原文复核、别名/历史曝光核对及补候选 | 25 人及少量替补的筛查 | 12–24 |
| 事件检索与首轮标注 | 175 件 × 15–30 分钟 | 44–88 |
| 独立复核与日期/领域冲突裁决 | 175 件 × 约 7.5–15 分钟 | 22–44 |
| 封存、权限分离、manifest、试运行接口校验和交接 | 不接触评分结果的工程与审阅 | 8–16 |
| **合计** | 取整；是人时，不是单人日历工期 | **约 86–172** |

该区间不含新算法开发、不含真实用户招募，也不保证首次备选池全部有四领域资料。资料不足时应扩池或延期，而不是放松独立来源、年月精度、领域或封存标准。正式采集任务须先指定两位独立人工角色及存储访问方案；无人审资源就保持 `blocked`。

完成门（必须全部有证据）：

- [ ] 足量新人物通过 AA 原文、身份去重与历史曝光审计。
- [ ] 每例事件数/年月精度/领域数达标，逐件独立来源核实，无拼造精度或强改领域。
- [ ] 双人采集/复核职责真实独立，来源纠错保留前后关联。
- [ ] 封存 manifest、持久分区、内容哈希和访问日志齐备；评分团队未读事件调参。
- [ ] 打分实现、参数、半径/偏移、步长、并列规则和五项指标定义在揭晓前固定。
- [ ] 首次全量运行与独立结果审阅完成，失败与限制不删；不自动打开确认门。

## 6. 遗留与对外边界

1. **真实用户申报偏差分布仍缺失**：需要知情授权、受控账号及独立出生记录的真实用户样本。用户采用候选、满意或认为“说得准”不能当真值；模拟名人偏移也不能替代该分布。后续另立隐私、抽样与标注任务，只发布聚合统计。
2. **本轮未取得事件材料与人审资源**：本文件只有公开候选来源筛查。AA 原文归档、四领域/年月事件可得性、独立审阅与评分冻结都是未来采集任务的开工/交付条件，不在此冒写已完成。
3. **来源网络限制**：原文直读返回校验页时，采用公开检索作备选资格线索；不绕过访问控制，不将线索当最终出生源审计。正式采集无法复核就阻塞该人物，不降级纳入。
4. **数据集外推限制**：公开名人的资料密度、年龄、地区与事件报道方式不同于真实会话。即使 v5 通过，也只证明登记条件下的结果，不能推广到所有用户、更不能承诺唯一出生分钟。
5. 本轮不再研究“加权重就能分开候选”或“簇合并导致整窗”这两条已被证伪的方向；见 [两轮结论页](rectification_minute_resolution_closure_2026_09_14.md) §6。始终先核口径，再看真值覆盖，不能以收窄区间换取挤出真值。

## Sources

- 人物资格线索：§2 表内 26 个 Astro-Databank / Astro.com 原站链接（检索日期 2026-09-20；最终原文/人审复核尚未完成）。
- 来源分级：[Astro-Databank Rodden Rating](https://www.astro.com/astro-databank/Help:RR)、[Data Source](https://www.astro.com/astro-databank/Help:DataSource)。
- 仓库协议依据：[v4 构建协议](holdout_v4_build_2026_09_14.md)、[两轮研究结论](rectification_minute_resolution_closure_2026_09_14.md)、[BUG-098 / BUG-428](../BUG_HISTORY.md)。