v3.9.0 发版：规则库补强（E3 +20 条，548→568）+ 收敛层防护定型

2026-10-13 17:17:59 +08:00
parent 1a0eed1999
commit cdc8fe7fd2
36 changed files with 1198 additions and 973 deletions
@@ -6,7 +6,7 @@
 当前收录三个模型（同一题集、同一答案键、同一判分脚本，各含 with-skill 与
 without-skill 两组）：

- **kimi-k3**：加载技能 79/200 = 39.5%（规则库 3.7，2026-10-13 重跑收录），
+- **kimi-k3**：加载技能 81/200 = 40.5%（规则库 3.9・568 条，2026-10-13 收录），
  裸答对照 82/200 = 41.0%；
 - **qoder-agent**：加载技能 79/200 = 39.5%，裸答对照 78/200 = 39.0%
  （规则库 3.7，2026-10-12 起跑 / 2026-10-13 收录）；
@@ -22,13 +22,13 @@ without-skill 两组）：

 | 模型 | with-skill（加载技能） | without-skill（裸答对照） | 组内差 |
 |---|---|---|---|
-| kimi-k3 | 79/200 = 39.5% | 82/200 = 41.0% | −1.5pp |
+| kimi-k3 | 81/200 = 40.5% | 82/200 = 41.0% | −0.5pp |
 | qoder-agent | 79/200 = 39.5% | 78/200 = 39.0% | +0.5pp |
 | deepseek-v4-flash | 74/200 = 37.0% | 71/200 = 35.5% | +1.5pp |
 | 官方基线（Gemini） | 69/200 = 34.5% | — | — |

 如实呈现：**三个模型上，加载技能都没有跑出可检出的增益。** kimi-k3 裸答反而高
-1.5pp；qoder-agent 加载技能只高 1 题（+0.5pp）；deepseek-v4-flash 高 3 题（+1.5pp），
+0.5pp；qoder-agent 加载技能只高 1 题（+0.5pp）；deepseek-v4-flash 高 3 题（+1.5pp），
 方向为正但幅度同样在噪声内。qoder-agent 两组做过题级配对检验——
 两组都对 53 题、只 with-skill 对 26 题、只裸答对 25 题、都错 96 题；
 两臂选中同一字母 118/200（59%）；McNemar 不一致对 51 组且 26:25 几乎对半，
@@ -50,12 +50,15 @@ without-skill 两组）：
 |---|---|---|---|---|
 | v3.6.1+排盘修复（规则库 3.6） | 2026-10-12 | 76/200 | 38.0% | 修复排盘时区/边界口径 bug 后按规则库 3.6 全量盲测，首轮正式收录 |
 | 3.6.2-未发版（规则库 3.7） | 2026-10-13 | 79/200 | 39.5% | 规则推理层「剪枝上锁」（542→547 条：R-运-32 降级保留、R-杂-38 从格临界双轨、91 新增冲刑方向判别四条），同题集同判分脚本重跑 |
+| 3.9.0-未发版（规则库 568 条） | 2026-10-13 | 81/200 | 40.5% | E3 规则补强——职业/形貌/健康/学业/六亲应期映射 +20 条，3.7 全量 + 3.9 补强重跑 17 位命主合并收录 |
 | without-skill 裸答对照 | 2026-10-12 | 82/200 | 41.0% | 同模型不加载技能，仅凭模型自身知识手排四柱作答 |
 | 官方基线（Gemini，论文口径） | — | 69/200 | 34.5% | BaziQA 论文跑分口径，见 试题/BaziQA-全球算命师大赛/SOURCE.md |

 中性口径：3.7 相对 3.6 总分 +1.5pp，在 200 题规模噪声边界内
 （单组标准误约 ±3.5pp），不构成显著结论；结构性维度改善明显——
 流年运势/感情/事业/性格/学业五维度回升约 5–10pp，财富/健康/其他小幅回落。
+3.9 相对 3.7 总分 +1.0pp（79→81），同样在噪声边界内；
+职业映射等目标题型翻正确认（事业 40.0%→48.0%、性格 50.0%→60.0%）。
 3.6 版求解留档存档于 `ai答案/kimi-k3/with-skill-v3.6/`；
 历史留档目录命名规范：`<模式>-v<规则库大版本>/`（如 `with-skill-v3.6/`），
 当前成绩固定收录于 `<模式>/`。
@@ -126,7 +129,7 @@ python 评测/工具/render_scorecard.py --score <得分.json>
 ```

 `run_eval.py` 不带参数时默认判分 `ai答案/kimi-k3/with-skill/`——
-应输出 **79/200 = 39.5%**，这是本目录出厂状态的自检点。
+应输出 **81/200 = 40.5%**，这是本目录出厂状态的自检点。

 > **额度豁免**：评测/复测全程在命令前加 `ZIPEC_EVAL=1`（示例见上），授权门直接放行，
 > 不签发、不扣次、不创建任何授权文件——跑测试集不会消耗授权副本的使用次数。