净室复现组只拿到了接口规范、冻结模型和公开数据，却仍然给出了完全相同的审查排序。

唯一的区别在于，在这一次独立复现中，模型b算出的未知覆盖缺口估计值，比昨天高出了微乎其微的0.

003。

这处微小的差异，来自今天复现组在广袤的分歧区域中进行随机采样时，算法随机数种子的初始点与昨天不同造成的正常数学波动。

复现组没有去刻意掩盖这个差异。

他们没有为了追求两份报告的完美一致，而去人为地把这个数字平滑掉，更没有去偷偷挑选两次结果中看起来更漂亮的那一个。

而是将这个带着原始毛刺的新估计值，一字不差地写入了最终的复现报告中。

上午十一点五十八分。

周志华亲自起草的那份、仅有三页A4纸长度的内部说明通报，终于定稿。

这份通报的第一页，只放了两张对比强烈的数据表。

第一张表，是摘自传统的公开测试榜单。

【模型A（结构化剪枝）：平均准确率 96.

7%|参数缩减率 72%】

【模型c（知识蒸馏）：平均准确率 96.

3%|参数缩减率 54%】

第二张表，则是昨天那份致命的预注册隐藏任务盲测结果。

【模型A：隐藏任务一致率 68.

75%|高于安全阈值的任务坍缩次数：15次】

【模型c：隐藏任务一致率 97.

92%|高于安全阈值的任务坍缩次数：0次】

在这两张仿佛属于两个不同平行宇宙的表格中间，周志华只留下了一句没有丝毫感彩的陈述。

【若按照既有公开评价指标，模型A无疑是当前的最优部署方案。】

【但若引入高风险任务区分度审查，模型A在物理世界中将被直接拒绝上线。】

0.

4个百分点。

接近30个百分点。

当这两组截然不同的差距，被毫无遮掩地并排摆在一起时。

它们已经不再需要白板上那几百行复杂的微积分公式去进行任何解释了。

任何一个真正在一线工业现场流过汗，做过实机模型部署的工程师，一眼就能看穿，这两个犹如鸿沟般的差距，在现实世界中分别意味着什么。

在说明通报的末尾，周志华敲下了一行带着学术自省的免责声明。

【声明：该项审查结果目前仅来自一组工业异常诊断任务和一次预注册隐藏测试，不构成对其他模型、其他任务或开放环境的普遍安全保证。】

中午十二点十三分。

这份不带任何附件代码的内部说明通报，通过学术邮件通道，被点对点地发出了。

第一批收件人只有十二人。

他们都是在国内外统计学习理论、模型安全以及工业控制领域的学者。

邮件的主题，带着近乎谦卑的提示。
本章未完，请翻下一页继续阅读.........