153 lines
11 KiB
Markdown
153 lines
11 KiB
Markdown
# 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：
|
||
|
||
```json
|
||
[
|
||
{
|
||
"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。
|
||
|