端到端 26/28 能扫 ← 本来是对的我的闭式判分 0/16 ← 诬陷按判分改完，判分 16/16 ← 全绿端到端 1/28 ← 产品坏了裁决实验：我们 == 第三方 ← 错的是判分器三层判分确实救了场，但它救场的方式和我预想的相反：不是"多一层就能抓到 AI 的 bug"，而是多一层就会多一个出错的地方，而那个地方可能是你自己。所以这一篇留给我的规矩只有两条，都很朴素：其一，任何"新加的一层"

当你能把题目变成一道有标准答案的客观题时，AI 的产出才第一次变得可评价。而一旦开始评价，最先被审判的其实是裁判自己。这一路我给自己的裁判改了五轮（时间级联、隐式钉死条件、BYSETPOS 覆盖整个周期、空数组真值、冲刷时机），给差分台改了两次口径（无解规则不算分歧、锚点没覆盖的语义不算越权判决），最后还发现"0 分歧"这句话被我的随机生成器悄悄削弱了——它结构上产不出空数组，而空数组上两边真的会