阳性对照与自然气味：能检出连线的作用，却没有测出它在自然气味上的优势

1. 问题：没有阳性对照的“没有效应”不能写#

“没有测出差别”有两种来源：连线确实没有作用，或者检验本来就看不到。只有先证明检验能看到一个已知存在的作用，“没有差别”才有分量。判定规则沿用第 2 篇：对世界做自助法，三档判定（有意义、小但真实、等价），最小有意义效应取 0.03 个准确率点。

2. 缺陷：第一版阳性对照是循环的#

第一版用教师—学生任务：标签由一个带真实连线的蘑菇体教师产生，学生是真实、打乱、随机稀疏三种连线。真实学生比另外两个高约 +0.08，达到了预设的门槛。

独立审查指出这个结果是循环的：教师用的就是真实学生拥有的那套特征，真实学生赢，只因为它拿到了教师的特征。它证明的是“检验能检出一个特征匹配的学生”，不是“检验能检出连线对自然任务的作用”。同一个问题也出现在用真实连线教师给真实气味打标签的任务里。

同一轮审查还发现两个指标有错：KC 沉默的做法让被沉默的 KC 相当于“最大抑制”而不是“缺失”，“50 次后准确率”实际读的是第 40 次。两处在下一轮登记里修正，旧结果保留并标注作废。

3. 非循环对照：教师和学生不再共享同一个实例#

新的阳性对照让教师连线不等于任何一个学生的连线：

• 教师被重排 30%： 教师是真实连线，但每个 KC 有 30% 的输入边被挪到别的嗅小球。真实学生拿到的是大体一致的连线，打乱和随机稀疏学生没有。
• 教师是新抽的打乱连线： 学生里的打乱连线是另一个实例，只共享统计类别（度数与突触数分布）。

• 教师被重排 30% 时，真实学生比打乱学生高 +0.064，比随机稀疏高 +0.066（99.2% 区间的下界都超过 0.03）。流程能检出连线实例上的作用。
• 教师只共享统计类别时，打乱对随机稀疏是 +0.001（等价），打乱对真实是 +0.018。连线的统计类别匹配没有带来可测出的优势。
• 独立重新实现： 另一个子 agent 只拿到模型和任务的文字说明，不看原代码和结果，写出了自己的实现，得到 +0.065、+0.064、−0.002、+0.020，都在原区间内。这排除了代码细节造成的假象。

4. 自然气味：用 DoOR 的响应向量做表示层检验#

用 DoOR 2.0 的 301 个气味分子 × 65 个嗅小球的响应向量，不涉及奖励规则，也没有教师，所以没有“匹配”可以利用。KC 编码取前 5%，两个任务：

• 少样本类别分类： 9 个化学类别，每类取 2 或 5 个分子做训练，最近质心分类，指标是平衡准确率，随机水平约 0.11。
• 近邻保留： 150 个气味分子的 5 近邻，在 KC 编码空间与 DoOR 空间之间的重合比例。

• 类别分类上，真实连线最多比打乱和随机稀疏连线高约 0.02（5-shot 对随机稀疏 +0.020，区间 [+0.002, +0.040]），没到 0.03。
• 近邻保留上，真实连线比打乱连线略差（−0.026）。
• 扩张加稀疏化并不比直接用 65 维向量好：2-shot 上直接用向量还略高，5-shot 上相当。

5. 结论：能检出作用，没测出自然气味上的优势#

• 能说： 流程在连线实例真的起作用时能检出它；在自然气味的类别分类和近邻保留上，没有测出真实连线的表示优势。
• 不能说： 真实连线对自然气味没有意义。DoOR 只覆盖约 47 个嗅小球，缺测的按 0 处理，气味向量偏稀疏；72 个分子没有类别标签；类别分类用的是最近质心，不是学习到的读出。
• 这一轮没有给化学类别指定“生态效价”。文献综述没有找到可核实的类别效价表，随机类别效价在前面的实验里已经检验过（各连线等价）。

6. 局限：阳性对照与数据的边界#

• 阳性对照是教师—学生任务，衡量的是和教师连线的一致程度，不是自然适应性；30% 的重排只测了一档。
• 重新实现者和原实现者是同一个模型家族，用的是同一份数据和同一份文字说明。
• 自然气味检验只有一个数据集、一个编码规则。

7. 下一篇#

第 8 篇：个体差异。

文件位置：fly-v4/PREREG_v4_stage0b.md、PREREG_v4_stage7.md、NOTES_v4_stage0.md、NOTES_v4_stage7.md、verification/replication/COMPARISON_0b.md。图由 blog/figures/make_figures2.py 生成。