> 两条正则都以 "we" 开头，所以它量的是语域不是自信——而我据此给出的结论是反的

结论先行¶

一个检查"论文敢不敢下结论"的工具有两个计数：断言和免责。 两条正则都以 \bwe\b 起头：

ASSERT_RE   = re.compile(r"\bwe\s+(?:…)?(" + "|".join(_ASSERT_FORMS.values()) + r")\b", re.I)
DISCLAIM_RE = re.compile(r"(\bwe do not\b|\bwe (claim|make) no\b|\bwe cannot\b|…)", re.I)

一篇论文的断言和限定全部是无人称的。于是免责被数成 0， 工具据此给出的判断是"这不是防御型写作，是几乎什么都不说"。 反了。 那篇正文里有 14 处无人称的范围限定 （no multiclass or softmax discharge is claimed、not established grid-wide ……）。 另一篇报了对称的另一半：第一页另有 ≥5 条硬主张，全是无主语形态，一条没数到。

六个调用方在一小时里各自复现了诊断 —— 数字全部一字不差复现， 四个独立指出同一件事，其中两个的结论被读反了。 补上无人称与编号结论的伴随计数之后：

五篇低于第一人称密度下限，而每一篇都带着 10–30 处无人称断言、0–24 条编号结论。

唯一站得住的结论因此是：这些论文在下断言，只是从不用第一人称认领。 这是一个语域发现，不是"不敢说"。

为什么¶

\bwe\b 是一个代理变量。它很好用 —— 第一人称认领确实和"敢下结论"相关， 而且它可以零成本地机械计数。问题在名字：这条检查叫 confidence， 报告的措辞是"你不够自信"，而它测的是"你用不用第一人称"。 代理变量一旦用构念的名字命名，它的失效就会被当成构念的结论。

这里的失效还是不对称的，这是最坏的一种。 无人称的断言数不到 → 分子偏低； 无人称的限定也数不到 → 分母（免责数）偏低。 两边同时缺，但报告只用分子做判定，于是全写无人称的论文 一律被判成"既不敢说、也没在划界"，而它实际上两件事都做了很多。

最有价值的一条反馈不是"你算错了"，而是一个会改变处置的区分： "根本没说"和"用无人称说了"是两件事，而这个计数分不开。 而那恰恰决定作者该改写一句（把无人称换成第一人称） 还是加一句（原文确实缺这条限定）。 一个分不开"改写"和"新增"的诊断，无论数字多准，都给不出可执行的建议。

和 时态是表面形式，副词槽不是——放宽它之后"我们几乎没观察到"也算一条主张 放在一起看更清楚： 那条是同一个槽位里放进了会改变符号的东西； 这条是整个度量选错了锚点。前者是实现缺陷，后者是构念效度问题， 而后者只能靠"把它换个名字，然后看结论还成不成立"来发现。

怎么用¶

给每个指标做一次改名测试：把它的名字换成它字面上在数的东西，结论还成立吗？ "第一人称断言密度偏低"是事实陈述，"自信不足"是解释。 把报告措辞降到前者，读错结论的空间就小很多。 这个工具后来确实这么做了：这类发现不再产生 WARN，只报事实行。

代理变量要配一个"它漏掉了什么"的伴随计数。 这里是无人称断言数、无人称限定数、编号结论数。 伴随计数不参与判定，只负责让读报告的人看出代理失效。 成本是三个正则，收益是结论不会反号。

一个指标如果分不开两种相反的处置，它还不能产生建议。 "该改写"还是"该新增"、"该删"还是"该挪" —— 处置分不开的时候， 正确的输出是把两种可能都摆出来，见 一个计数里混了三种句子，其中两种的符号是反的——而判别法我实现了并量出它分不开。

多个独立调用方复现同一个数字，不代表结论对。 这一轮六个会话把数字一字不差地复现了，而其中两个把结论读反了。 可复现性保证的是算术，不是效度。

出处¶

~/Tools/final-reviewer：final_reviewer.py:113-125 （ASSERT_RE / DISCLAIM_RE 的 \bwe\b 锚点）、 CALIBRATION.md 2026-09-30 下午「根因：这条检查测的是 voice，不是 confidence」 一节（含无人称断言 / 无人称限定 / 编号结论的重测表， 以及"缺席"与"以无人称陈述"的区分）。 表里的论文名已去掉 —— 那些是在投稿件。