Jyotisha/docs/research/jev_intent_2026_09_19.md

TypeSafe Jev 接管校正意图分类 · 离线对照（2026-09-19）

• 任务：docs/tasks/TASK-rectification-jev-intent-classifier-research-20260919.md
• 基线：origin/staging @ d9722d56
• Jev 模型：jev-1.13.0（不用 jev-latest）
• 生成器 / 复核：agent-template-v1 / agent-rule-v1
• 真值 sha256：synthetic 79d53a958b3b42ed18c79e3bbcff4b31deb22b65eedcd89b39326a7fefc9b0e8；simulated a8611e75bf56024fa984fb204d34a5e16405f18b3eaa5a3bee91f96e43918bf7；disputed b4aed8567bd6b3fdd5cc98c73d9139197d62a96120a0ee29f474b8f08c050def
• 来源 B：0 条（本地，不提交原文）

结论

不可接。来源 C 上 Jev 的绝对门槛未过：高置信错误率 7.0% > 3%；低置信召回 34.1% / 34.2% < 60%（错了却仍高置信）；点选题 answer_class 准确率 65.0%（写库字段）。来源 B 不足 30 条，代表性检验只报数、不判定。 相对 −3pp（同一样本）：choice Jev 89.5% vs 现行 92.5%（门槛 89.5%，过）；collect Jev 91.0% vs 现行 95.5%（门槛 92.5%，未过）；none Jev 100.0% vs 现行 97.0%（门槛 94.0%，过）。

若接：不接。现行分类器继续用会话选定的贵模型。若还要观察中文口语，只允许 (b) 影子双跑只记日志，不得按 confidence 写库。曲线上 θ=0.9 时高置信错误仍未清零。

T3 指标（Jev，来源 C）

层	n	intent	answer_class	dated	高置信错误	低置信覆盖	低置信召回	no/unsure 互判	自洽率	中位 ms	P95 ms	次均 input tok
choice	400	88.0%	65.0%	100.0%	4.2%	12.5%	34.1%	5	98.5%	923	1344	1122
collect	400	90.5%	83.6%	97.0%	7.0%	13.5%	34.2%	22	98.0%	901	1026	987
none	100	100.0%	—	100.0%	0.0%	4.0%	—	0	100.0%	923	1018	923

来源 A（测试夹具，n=10）intent 90.0%，answer_class 85.7%，高置信错误 0.0%。

现行模型对照

模型：deepseek-flash。DeepSeek Flash 顶现行 classifyRectificationTurnIntent 提示词；来源 C 分层随机 33%（seed 20260919），来源 A 全量。不是线上会话模型。

层	n	intent	answer_class	dated	自洽率	中位 ms
choice	133	92.5%	83.0%	100.0%	100.0%	638
collect	133	95.5%	95.8%	97.7%	95.5%	611
none	33	97.0%	—	100.0%	100.0%	705

同一样本上 Jev vs 现行（相对门槛用这一表）：

层	n	Jev intent	现行 intent	差（Jev−现行）	门槛现行−3pp
choice	133	89.5%	92.5%	-3.0%	89.5%
collect	133	91.0%	95.5%	-4.5%	92.5%
none	33	100.0%	97.0%	3.0%	94.0%

代表性检验（来源 B vs 来源 C）

来源 B 不足 30 条，代表性检验只报数、不判定。

置信度–准确率曲线与 θ

推荐 θ = 0.9。点：

[
  {
    "theta": 0.3,
    "jev_share": 0.9877777777777778,
    "fallback_share": 0.012222222222222223,
    "jev_acc": 0.8278965129358831,
    "high_conf_errors_in_used": 45
  },
  {
    "theta": 0.4,
    "jev_share": 0.9522222222222222,
    "fallback_share": 0.04777777777777778,
    "jev_acc": 0.8366394399066511,
    "high_conf_errors_in_used": 45
  },
  {
    "theta": 0.5,
    "jev_share": 0.88,
    "fallback_share": 0.12,
    "jev_acc": 0.8661616161616161,
    "high_conf_errors_in_used": 45
  },
  {
    "theta": 0.6,
    "jev_share": 0.8266666666666667,
    "fallback_share": 0.17333333333333334,
    "jev_acc": 0.8884408602150538,
    "high_conf_errors_in_used": 45
  },
  {
    "theta": 0.7,
    "jev_share": 0.7677777777777778,
    "fallback_share": 0.23222222222222222,
    "jev_acc": 0.9015918958031838,
    "high_conf_errors_in_used": 45
  },
  {
    "theta": 0.8,
    "jev_share": 0.6822222222222222,
    "fallback_share": 0.31777777777777777,
    "jev_acc": 0.9267100977198697,
    "high_conf_errors_in_used": 45
  },
  {
    "theta": 0.9,
    "jev_share": 0.5333333333333333,
    "fallback_share": 0.4666666666666667,
    "jev_acc": 0.9604166666666667,
    "high_conf_errors_in_used": 19
  }
]

错例画像（改写后，无法对应真实会话）

cjk_colloquial

• C-choice-0005 / choice / 「嗯那会儿吧咋说呢就是那段」 gold={'answer_class': 'yes', 'has_new_dated_event': False, 'intent': 'answer_current_focus'} jev={'intent': 'unclear', 'answer_class': None, 'has_new_dated_event': False, 'confidence': 0.88}
• C-choice-0008 / choice / 「额这个嘛就那样发生了」 gold={'answer_class': 'yes', 'has_new_dated_event': False, 'intent': 'answer_current_focus'} jev={'intent': 'answer_current_focus', 'answer_class': 'unsure', 'has_new_dated_event': False, 'confidence': 0.47}
• C-choice-0016 / choice / 「emmm 感觉一般般就是那段」 gold={'answer_class': 'yes', 'has_new_dated_event': False, 'intent': 'answer_current_focus'} jev={'intent': 'unclear', 'answer_class': None, 'has_new_dated_event': False, 'confidence': 0.38}

literal

• A10 / collect / 「2016年3月入学」 gold={'answer_class': 'yes', 'has_new_dated_event': False, 'intent': 'answer_current_focus'} jev={'intent': 'provide_new_evidence', 'answer_class': None, 'has_new_dated_event': True, 'confidence': 0.39}
• C-choice-0006 / choice / 「就是那段」 gold={'answer_class': 'yes', 'has_new_dated_event': False, 'intent': 'answer_current_focus'} jev={'intent': 'unclear', 'answer_class': None, 'has_new_dated_event': False, 'confidence': 0.9}
• C-choice-0023 / choice / 「就是那段，当时身边人也没特别提，我自己也没当回事，我想想啊就是那种说」 gold={'answer_class': 'yes', 'has_new_dated_event': False, 'intent': 'answer_current_focus'} jev={'intent': 'unclear', 'answer_class': None, 'has_new_dated_event': False, 'confidence': 0.64}

other

• C-choice-0002 / choice / 「不是很能整明白就是那段」 gold={'answer_class': 'yes', 'has_new_dated_event': False, 'intent': 'answer_current_focus'} jev={'intent': 'answer_current_focus', 'answer_class': 'unsure', 'has_new_dated_event': False, 'confidence': 0.75}
• C-choice-0012 / choice / 「有的，别的先不说，就这一句你先记着，…特别提，我自己也没当回事」 gold={'answer_class': 'yes', 'has_new_dated_event': False, 'intent': 'answer_current_focus'} jev={'intent': 'answer_current_focus', 'answer_class': 'weak_yes', 'has_new_dated_event': False, 'confidence': 0.34}
• C-choice-0073 / choice / 「明显有过，现在回想起来细节对不上，只…。另外2023年9月分开」 gold={'answer_class': 'yes', 'has_new_dated_event': True, 'intent': 'answer_current_focus'} jev={'intent': 'answer_current_focus', 'answer_class': 'unsure', 'has_new_dated_event': True, 'confidence': 0.46}

T1 判据对照

见 scripts/research/jev_intent_questions.py 的 CRITERION_MAP。丢掉的语义：生产提示里的「通常」「不要按 A/B/C/D 猜」「不要按关键词表」；结构不变量改由 enforce_combo 强制。

现行提示原句	Jev 落点	丢失
结合当前问题和动态选项判断用户是在回答当前问题、提供新的带时间经历、要求停止整个校正、询问结果，还是语义不清。	intent Choice with five literal criteria, including unclear as the residual option.	—
若是在回答当前问题，answer_class 必须使用某个选项提供的 answer_class；否则 answer_class 必须为 null。	answer_class Choice is built only from the live options; code nulls it when intent != answer_current_focus.	—
has_new_dated_event 仅在用户同一句里除了回答当前问题之外，还提供了新的、带大概时间的经历时为 true。	has_new_dated_event Noul true/false criteria, same split.	—
单纯的否定或单纯的选项回答必须为 false。	Noul false: 单纯否定、单纯记不清不算新经历。	—
若同一句话既回答了当前问题又补充了新的带时间经历，intent 仍为 answer_current_focus，has_new_dated_event 为 true。	intent and Noul are separate questions; code keeps answer_current_focus when both fire.	Jev does not itself enforce this pair; code does.
“当前方面没有、那段时间没有变化”通常是回答当前问题，不是停止整个流程。	stop_rectification criterion: only an explicit stop of the whole flow. 当前方面没有 is answer_current_focus.	The hedge 通常 is dropped; the stop option is written as an exclusive literal.
只有用户明确要求停止整个校正时才分类为 stop_rectification。	stop_rectification criterion, same literal.	—
不要按 A/B/C/D 的位置猜语义，只按选项 label 与 answer_class 判断。	answer_class criteria keyed by answer_class, not by A/B/C/D.	The prohibition itself is not sent; Jev is not given A/B/C/D as the choice keys.
「没有、没发生过、这方面没什么」→ intent 为 answer_current_focus，answer_class 为 no。	Collect answer_class criterion for no.	—
「记不清、不记得、忘了、想不起来、以后再说」→ answer_class 为 unsure。	Collect answer_class criterion for unsure.	—
用户用带大概年月的经历直接回答当前采集题 → intent 为 answer_current_focus，answer_class 为 yes（程度较弱时为 weak_yes），has_new_dated_event 为 false。	Collect yes/weak_yes criteria + Noul false for a dated answer that is the collect answer.	—
不要把「没有」或「记不清」标成 yes。	Separate no and unsure criteria; yes requires a dated or affirmative answer.	The 'do not' wording is dropped.
若既没有否定、也没有说记不清、也没有给出带年月经历，intent 为 unclear，answer_class 必须为 null。	unclear residual on intent Choice; code nulls answer_class.	—
若用户只在补充带时间的经历、并没有回答当前采集题，intent 为 provide_new_evidence。	provide_new_evidence criterion.	—
若同一句话既明确否定当前采集题又补充了新的带时间经历，intent 仍为 answer_current_focus 且 answer_class 为 no，不要改成 provide_new_evidence。	Code keeps no + Noul true. Jev intent/Noul are independent.	Jev may split this pair; code does not re-vote intent from the Noul.
不要按关键词表或正则猜测，只根据当前问题与用户这句话的语义分类。	Not sent. Jev has no keyword table in the question.	The meta-instruction is dropped (Jev answers the written question, not the intended one).

回退

任何上线方案必须保留回退到现行会话模型的路径。官方限流会动态调整。