# v1.8.6 评测归档

> 复核时间：2026-06-03
> 本轮首次引入**模型实跑**。此前各版 `results-*.md` 是静态复核（对照规则逐条走查）；本轮在静态走查之外，用真实模型跑了 issue #4 的核心对照，并验证了新增 `bounded` scope 的可执行性。
> 评测集：`evals/benchmark.md`（72 条：41 SF + 31 SNF）+ `evals/real-samples.md`（19 条）。

## 1. 背景

issue #4 的复测停在一个 tradeoff：v1.8.5 的 `in-place` 把长度接住了（@yyyang20 实测 95–99%），但去 AI 味明显弱于 `structural`。本轮要回答的是：这个 tradeoff 是不是真的、根因在哪——然后据此落地 `bounded`。

## 2. 双模型实跑（structural vs in-place）

同一篇 1498 字合成长文（`tasks/current/issue-4-original.txt`，不转录任何真实用户原文），用当时仓库规则（`SKILL.md` + `references/`）跑 `aggressive` 力度的两个 scope，Codex（gpt-5 家族）与 Claude（opus 家族）交叉：

| 版本 | 字数留存 | 无源「70%」 | 拔高收尾「责任/信任」 | 排比 |
|------|:---:|:---:|:---:|:---:|
| 原文 | 100% | 在 | 在 | 在 |
| Claude structural | 80.5% | 删 | 删 | 压成一句 |
| Codex structural | 82.8% | 删 | 删 | 压成一句 |
| Claude in-place | 95.1% | **残留** | **残留** | 保 |
| Codex in-place | 96.2% | **残留** | **残留** | 保 |

两个结论：

- **in-place 去味弱有结构性根因**：整句级的空话（无源引用、价值拔高收尾），两个模型在 `in-place` 下都删不掉，只把铺垫词软化（“研究表明”→“我听说”）。这是规则禁删整句的必然结果，不是模型不努力。
- **structural 不必然腰斩**：两个强模型都是 -18%，没有复现 issue #4 报告的 -39%。说明长文 `structural` 的缩水程度依模型而定、不可控——这本身是个问题，也是 `bounded` 把“删多少”交还用户的理由。

## 3. bounded 落地后的可执行性实跑

`bounded` 规则落地后，用干净上下文的模型按 `public-writing / standard / bounded` 跑同一篇长文，验证它能否产出双合同：

- **正文**：实句、带数字句、排比、转场全部保留；商业黑话句内洗；**整句空话（无源 70%、价值拔高收尾、narrator 旁白）原样留在正文里，既没直接删、也没软化成新说法**。
- **建议删除（待确认）清单**：精确列出 4 句（narrator 旁白 / 无源引用 / 两句价值拔高收尾），每条附“删了不丢信息 + 不承担过渡”的理由；对无源那条还主动注明“不建议改写成‘听说 / 好像’，那只是把无源说法换个壳”。

结论：`bounded` 的双合同（句内洗直改 + 整句空话进清单）模型能正确执行，并守住“不软化”这条硬约束。

## 4. 一个待补的边界

`bounded` 实跑里，模型把一处“商业黑话壳句 + 下一句具体展开”做了合并（轻微越过 `bounded` 的“不并句”边界）。结果合理（壳删、实质留），但严格说该补一条防并句的 benchmark 护栏，留作下一轮。

## 5. 口径说明

- 本轮的 80.5% / 95.1% 等是**真实模型单次实跑**结果，不是静态走查的“规则可解释”。
- benchmark 72 条本身仍是静态走查口径（规则有明确处理路径）；把 72 条都做成模型实跑通过率，留作后续轮次。
- 实跑成稿与逐句对照存档在本地 `tasks/current/runs/`（local-only），不进公开发布面。

## 6. 结论

issue #4 的 tradeoff 是真的，根因是 `in-place` 删不掉整句空话。`bounded` 在 `structural`（去味彻底但缩水不可控）和 `in-place`（保长度但去味弱）之间补位：句内洗实句、整句空话进删除清单交用户拍板。规则已落地并通过可执行性实跑；下一步是收更多真实长文 bad case 校准删除清单边界，并把 72 条 benchmark 做一轮完整模型实跑。