归因稀释实验室
为什么数据归因总找错文档。核心反直觉链：证据高度局域化，平均聚合把它稀释成噪声（真值证据只落在少数 token，全文平均把陪衬 token 全部计入）； 换损失 + 换聚合两个设计选择就够了，不需要新估计器（负 log-odds 梯度让证据 token 浮出，top-k 聚合丢掉陪衬，CATT 上 recall +35–72pp、FTRACE-TREX 反事实重训最高 4.9×）； 真实语料评不了归因（同一事实 3 个来源，真值不可知——CATT 用全虚构知识微调让真值 100% 无歧义）。 四个 Tab 不加载任何模型：token 权重表为教学构造（已标 ⚠），稀释/聚焦的数学、蒙特卡洛命中率、recall@K 曲线全部浏览器真算。
🔬一篇文档里，真正的证据只占几个 token
虚构事实：Zorphenol / 1997 / Halden 大学梯度口径（损失函数）
聚合方式
证据浓度
41.2%
真值证据 9 个 token 占总分比
证据 recall@k
100%
全文口径 = 100%（含全部噪声）
文档级分数
35.90
全部 token 平均摊入
token 热图 · 当前组合：交叉熵梯度 + 全文平均
早在九十年代,材料学界就开始系统整理人工合成化合物的谱系。其中Zorphenol是1997年由Halden大学合成的惰性化合物,因表面钝化特性而少有应用记录。类似的整理工作后来也扩散到聚合物与合金领域。
绿底 = 真值证据 token灰底 = 陪衬 token蓝框 = 参与聚合
💧这就是「稀释」。交叉熵梯度给大量陪衬 token（"整理 / 系统 / 材料 / 九十年代"）也打出不低的分数， 全文平均后真值证据只占 41.2% 的文档分数—— 证据高度局域化，平均聚合把它摊薄成噪声，文档排序随之失真。
🧮 浓度 / recall / 文档分数真算⚠ token 权重表为教学构造权重形状按论文定性结论构造（CE 把信号摊给陪衬、log-odds 集中到证据），数值非任何模型实测； 稀释 / 聚焦的数学（top-k 选择、浓度、recall）全部由代码真算。
🧮四组合并排 · 哪个设计选择贡献了多少
🧮 真算论文的核心立场：不提出新估计器，只检视两个被低估的设计选择——算梯度用什么损失、token 分数怎么聚合成文档分数。 四组合的差异（上图）就是这两个选择的全部贡献。
这个工具里哪些数字是真的
📖 文献值（arXiv:2610.40655 摘要逐字，非本工具实算）
- · 真实因果证据在训练文档内高度局域化，标准方法用全文平均把证据稀释成噪声
- · 负 log-odds 梯度 + top token 聚合：ground truth recall 提升 35–72 个百分点（CATT，多基线）
- · FTRACE-TREX 上反事实重训表现提升最高 4.9×，对每个测试方法均有效
- · 文档冗余与词汇干扰（lexical distractors）一致性地降低归因质量
- · CATT：完全虚构知识微调，归因真值 100% 无歧义，可一次只改一个配置
🧮 浏览器内真算
- · 四组合的证据浓度 / recall@k / 文档级分数：top-k 选择与占比全部由代码算出
- · 冗余干扰沙盘：每轮 2000 次蒙特卡洛采样（mulberry32 + Box-Muller），命中率 / 中位名次 / p95 名次为真实采样统计
- · recall@K 双曲线：由 Tab ① 同一张 token 权重表逐 K 真算
⚠ 教学模型 / 示意构造
- · token 权重表（ce / lo 两列）为教学构造：形状按论文定性结论，数值非任何模型实测
- · 沙盘的分数模型（副本摊薄 ~1/√R、干扰重叠 0.42）为教学常数，曲线形状按论文「一致性地单调劣化」构造
- · Tab ④ 第三卡的「预测质量」为证据浓度驱动的教学量，真实数值以 📖 锚点卡为准
- · Tab ③ 的三份来源卡为示意构造，不调用任何模型
⚠ 本工具不加载任何模型、不调用后端。一手源：Steven Yu / Sheng-Yu Wang / Kimia Hamidieh / Antonio Torralba / David Bau（MIT），v1 2026-10-29（快照日 2026-11-07 abs 回源）。
与站内已有工具的分工
· 数据工程·评估归因仪表盘：方法族全景 + 闭环怎么用（本工具讲「怎么评归因」，它讲「归因方法地图」）
· Attribution Patching 误差实验室：机制可解释性侧的 activation patching 误差（对象是激活，不是训练文档）
· 本工具：讲「归因怎么评 + 为什么平均聚合会稀释证据」——token 级显微镜视角，核心资产是四组合切换的实时热图与两个单调劣化沙盘。