bad case 登记（迭代闭环入口）
上线后发现评分偏差时在此登记。处理流程（技术方案 §16）： 收集 bad case（含 OCR 误识别、同义漏判样本）→ 大模型重新打标 → 增量微调 → 回归评估 → 发版。
登记表
| # | 日期 | 类型 | 题目/答卷摘要 | 现象 | 根因分析 | 处置状态 |
|---|---|---|---|---|---|---|
| BC-001 | 2026-08-23 | false-hit | SAS-CHN-137 全链路评估卷（pred 12/12 vs 金标 3/12） | MRC 以 >0.98 置信命中"选D/选A"及多个内容点，金标却判多数点不存在 | 评估集金标自相矛盾：同一 (答案，得分点) 同时存在 impossible=True/False 行（打标噪声）；系统抽取本身有据。已改评估口径剔除矛盾点重测（见 m7-eval-report） | ✅ 评估口径修正 |
| BC-002 | 2026-08-23 | false-hit | 阈值实验：MRC has_answer 阈值 0.5→0.75，FP 仅 33→32、TP 反降 2 | 残余误命中为高置信判定，调阈值无法消除 | 高置信分歧经 M8 自动仲裁闭环：34 条逐条判定，16 条金标漏标（已修订 labels_final 并重建数据集）、18 条系统误判（保留金标，多为题干原文/选项字母被误抽、学生观点与得分点相反）；选择型点改由选项规则判定（见 BC-004） | ✅ 仲裁闭环（2026-08-24） |
| BC-003 | 2026-08-23 | semantic-boundary | 相似度兜底在长答案上 cos 中位数 0.43，30 次兜底仅给 9 分 | 兜底行为整体保守正常；但同题长文本与任意得分点的 cos 整体偏高，阈值语义随答案长度漂移 | 候选改进"句级最大相似度"经实验否决（AUC .599 vs 全文 .697，误报率 78.9% vs 30.8%，见 m7-eval-report §3.3）；维持全文池化 | ✅ 实验闭环 |
| BC-004 | 2026-08-24 | false-hit | 选择型得分点（"选B得3分"等）被 MRC 以 >0.98 置信抽出单字母/无关片段（SAS-CHN-137 卷 pred 12/12 vs 金标 3/12；34 条高置信分歧里 6 条含选项字母） | 选择型点标注 span 多为单字母，模型学到"抽字母"捷径；讲解式作答中选项字母可与任一得分点字面共现 | ① 评分引擎新增 option_rules：选择型点由选项字母规则判定（规则优先、未命中回退 MRC/相似度），不再依赖 MRC 置信度；② MRC 训练剔除选择型查询正例（335 条），改为纯无答信号 | ✅ 已修复（M8 调优闭环，CC-003） |
| BC-005 | 2026-08-24 | other | 34 条分歧中 18 条"系统误判"的相当比例源于：答案卷收录了题干/材料原文，得分点字面在题干中出现 → MRC 高置信抽中题干引文，金标正确判漏 | 评估/打标的数据采集把整页文本（含题干）作为学生答案；系统无法区分"学生作答"与"题干引文" | 已修复（2026-09-03，CC-006）：评分入口强制题干剥离 strip_stem_spans（归一化 ≥8 字片段剔除，原始答卷保留落库）+ 出厂参数从严 0.95/0.90/0.25/0.8；36 卷同批对照：仅剥离组召回零损失、误报 47→38，交付配置 Point-Acc 0.7160→0.8402、零分卷被给分 63.6%→18.0%（详见部署改进对照报告）；残余过给分转为金标错位/合成泄漏两类数据构造问题，在数据侧治理 | ✅ 已修复（部署改进闭环） |
类型枚举
ocr-misread：OCR 误识别导致评分偏差alias-miss：同义表述漏判（应命中未命中）false-hit：误命中（不应命中而命中）semantic-boundary：相似度阈值边界误判config-error：评分配置错误（解析/确认环节）other：其他