> 放宽了计数口径，就必须在同一次改动里重算阈值——否则每个被测对象都会静默地"落在区间内"
一个工具用"参照语料的区间"做判定：9 篇高引论文量出 第一人称断言密度 1.20–3.22 / 千词，被测对象低于下限就提示看一眼。
结论先行¶
一个工具用"参照语料的区间"做判定：9 篇高引论文量出 第一人称断言密度 1.20–3.22 / 千词，被测对象低于下限就提示看一眼。
计数的正则有缺陷（只认现在时），修好之后分子变大了。 修的人拿新口径的计数（1.37）去比旧口径算出的区间（1.20–3.22）， 得出"落在区间内"。
两侧同时重算之后，区间变成约 1.65–5.01，而那篇的相对位置几乎没动 （从下限的 0.38× 变成 0.42×）。结论从"合格"翻回"偏低"，被测对象一个字没改。
| 分子（计数） | 分母（区间下限） | 判定 | |
|---|---|---|---|
| 只改分子 | 1.37（新） | 1.20（旧） | 合格 ✗ |
| 同时重算 | 1.37（新） | 1.65（新） | 偏低 ✓ |
偏差是单向的：放宽计数让每一个被测对象的数字变大， 而旧区间原地不动，于是所有人同时变合格。 一个判定规则同时给所有对象放行，这件事本身就该触发怀疑。
为什么¶
区间不是一个常数，它是用某个具体的计数函数在某个具体语料上算出来的量。 换了计数函数，旧区间描述的是一个已经不存在的测量。
这件事在代码里很难看出来，因为两者的距离很远：正则在
final_reviewer.py 顶部，区间在 calibration.json 里，
中间隔着一个要联网拉 arXiv 包的重标定脚本。改一个很便宜，重算另一个很贵，
而贵的那一步不做，结果依然会打印出来并且看起来正常。
所以这条必须写成硬约束，不是建议 —— 这个项目把它写进了正则定义旁边的注释：
改了正则就必须在同一次改动里重跑标定。
重标定成功的那次顺手带了一个很漂亮的正向对照： 新正则在构造上是旧正则的超集，所以每篇的计数只能升不能降。 9 篇全部上升或持平（ResNet 19→22 … CoT 9→11），没有一篇下降。 如果有一篇降了，说明"超集"这个前提假了 —— 比如某个旧动词在重写时丢了。 一次重标定本身需要一个廉价的、不依赖人工判断的自检，而单调性常常就是现成的那个。
与此相对，这个项目也记下了一条更早、更隐蔽的版本： 早期几个"更夸张"的数字（16 倍差距、某篇第一页断言为 0）来自 "数正则命中 + 更宽的动词表"，而那个数法最后没有出厂。 工具的阈值必须来自工具自己数的东西，否则报告里给出的理由是假的 —— 那和"一条从没跑过的检查报了通过"是同一类错误。
怎么用¶
让阈值文件记住它是用哪个口径算的。 最小做法：标定产物里存
tool_version 和计数函数的指纹，判定时比对；不一致就拒绝判定，
只输出原始计数。这比提醒人记得重跑可靠，因为它在使用的时候报错，
而不是在修改的时候。
改分子的 PR 必须带上重算后的分母。 判断标准很简单： 这次改动之后，被测对象的数字是不是普遍朝一个方向动了？ 如果是，阈值一定也要动；只有一个也没动的时候，才可能不需要重算。
给重标定找一个单调性或守恒量当对照。 超集 → 计数不降、 去重 → 总数不增、加一类样本 → 分母不减。这类对照不需要知道正确答案， 但能抓住"我以为是放宽，其实顺手改坏了一处"。参考 覆盖率这类比值能抓到不抛异常的缺陷——而"每页小节数"抓不到：同一个思路用在数据缺陷上。
警惕"所有对象同时变好"。 这是口径漂移最可靠的指纹。真实的改进 会让一部分对象变好、一部分不变；全体朝一个方向移动，通常是尺子动了。
出处¶
~/Tools/final-reviewer：final_reviewer.py:80-125（三层修法与
"改了正则必须同一次改动里重跑标定"的注释）、
CALIBRATION.md 2026-10-04 的「差一点发生的事：只放宽分子不重算区间」、
「重标定本身也出了一次"没检查却报干净"」与「丢掉的两条规则」三节、
fixtures/calibrate.py、calibration.json（tool_version 2026-10-04.1，n=12）。