最脆弱的一环:蒸馏丢东西怎么办(开放题)

为什么它是最脆弱的一环

蒸馏覆盖率缺口:原始资料里有、蒸馏笔记里没有的那部分内容。它的脆弱来自三点:

1. 它在最上游。 丢了的东西,后面每个环节都拿不到——2.3 的 URL 案例已经演示过,源头丢失的错误会沿环节一路传导到成稿。
2. 它不报错。 下游看到的是一份完整、格式合规的笔记——缺口本身不留痕迹。红线、审核、编译检查全都发现不了“本该有但没有”的东西。
3. 它没有现成解法。 我们产线的三个机械闸门(引号修正、编译复验、七项体检)全在下游,没有一个守在蒸馏旁边。这个缺口是我们自己承认的空白。

一条已有的线索:给最怕丢的信息开旁路

针对“蒸馏会丢 URL”这个具体问题,我们的修法是另建一份一手链接索引文件,绕过蒸馏直接保存 URL。要如实说:这是我们的做法,留档里没有记载它的验证结果,不能当作已被证明有效的方案引用。

但它的思路值得注意:不是让蒸馏更完美,而是给最怕丢的信息开一条不经过蒸馏的旁路。缺点也明显:它只保住了 URL 这一类信息,通用的覆盖率校验依然是空白。

设计抽查方案的三个问题

本节没有标准答案,我们不装作有。但设计一个抽查方案时,有三个绕不开的问题(仅是提问,不是答案):

• 抽什么:全量对照成本太高,那抽查抽什么?按什么单位抽——段落?数字?链接?专有名词?
• 怎么抽:全量还是抽样?抽样按什么规则选?
• 谁来抽:人、脚本,还是另一个 AI?如果用 AI 抽查,会不会又回到“模型自检不可靠”的老坑?(这个坑 W4 细讲。)

🔧 动手做:设计并执行一次你自己的覆盖率抽查(15 分钟)

1. 写方案(三五行即可),必须回答三个问题:
   • 抽什么:哪类信息最不能丢,优先核对?提示:想想你的资料里什么东西丢了最致命——数字?链接?反对意见?
   • 怎么抽:全量对照还是抽样?抽样的话按什么规则选?
   • 谁来抽:人工、脚本,还是 AI?为什么?
2. 实际执行一次:用你的办法抽查 2.1 做的那份蒸馏笔记,对照原始资料。
3. 记录结果:发现缺口了吗?发现了记下丢的是什么;没发现也记下“本次抽查未发现”,连同抽查覆盖的范围。

你会看到:一份三问齐全的抽查方案 + 一次实际执行记录。没有标准答案,但有质量差别:能明确说出“我防的是哪类丢失、代价是什么”的方案,就是好方案。

为什么:这是本模块唯一一个“没有参考答案”的动手环节,故意的。产线工程里总有工具还没覆盖的缺口,你需要的不是背下别人的方案,而是养成“给缺口设计防线,并让防线可持续执行”的习惯。

本模块验收清单

对照下面四项,确认本模块的产出都在手上:

• 一份你自己资料的三段式蒸馏笔记(概念卡片 + 断言库 + 缺陷清单),外加至少 1 条人工核对记录(2.1)
• 一次带硬约束的写作产出,外加两条核查记录:有无笔记外断言、有无缺料声明(2.2)
• 四个失效场景的分类判断,每个附一句理由(2.3)
• 一份三问齐全的覆盖率抽查方案 + 一次实际执行记录(2.4)

四项都有,你就完整走过了“建高汤→立红线→认清边界→给缺口设防”这条链——这正是产线上游的全部骨架。