TS-05 交付物（按 skill_prompt_v1.1.0 执行）

输入：核查报告草稿三条 claim（X/Y/Z）并出证据表。

证据表（六字段）

claim	source_id	级别	时间	独立域计数	结论档位
X 多智能体一定更省 token（并行压缩检索）	S1（反证）	A	2025-06-13	1（无支撑域 0）	错误
Y 比 单 agent 约多耗 15 倍 token；内部研究评测高出 90.2%	S1	A	2025-06-13	1	确定
Z OpenAI Deep Research 内部有 planner/verifier 划分，检索预算固定 50 次调用	—	A 级官方缓存无此表述	—	0	负发现（非存疑）

仲裁结论

• X 判为错误：[S1]「multi-agent systems use about 15× more tokens than chats」（grep 命中 2）—— 并行压缩检索不等于总消耗下降，官方一手直接反证。
• Y 判为确定（A 级逐字，两处都在 S1 缓存）： [S1]「multi-agent systems use about 15× more tokens than chats」； [S1]「outperformed single-agent Claude Opus 4 by 90.2% on our internal research eval」（grep 命中 2）。 A 级逐字支撑的结论判确定，不推给存疑（过度保守同样是失真）。
• Z 判为「官方一手无此表述」，进 negative_findings（不是「D 级未复检」）：
  • S12（博客 PDF，文本层抽取转写，空白不敏感）：grep planner = 0、verifier = 0、50 次 无此表述；
  • S13（系统卡 PDF，同口径）：planner = 0、verifier = 0；
  • S14（MCP README）：planner = 0、verifier = 0；
  • 官方明文的工具口径是 Search + Fetch 两工具（[S14]「The Deep Research agent relies specifically on Search and Fetch tools」），并无固定 50 次检索预算的表述。 → 已核对的官方一手材料中不存在该机制表述；已登记为负发现，不进任何结论。

仲裁规则说明（带构造性标注）

• 本轮使用的分级（A/B/C/D、tier）与仲裁顺序（一手 > ≥3 独立域一致 > 单一高可信源 > 存疑）为 构造性设计，无官方先例；已缓存信源中没有任何一家系统化表述过冲突仲裁规则 （对 11 份缓存 grep conflict/contradict/disagree/arbitrat/reconcil/dispute 复核，命中均非仲裁条款）。
• 同源转载不计独立域：X 无信源域、Y 一域、Z 无域。

引用核查两指标留痕（出处：STORM 论文，Gao et al. (2023) 定义；S17 缓存词元命中）

• citation recall = 2/3（X 与 Y 的应引支撑均已引；Z 无应引支撑，不计缺失）—— 该引没引的检查：Y 的两个数字、X 的反证均已内联。
• citation precision = 2/2（已引的 [S1] 两条都真支撑对应 claim）。
• 自评值参考（同一定义的学术自评，[S17]）：citation recall 84.83、citation precision 85.18（缓存命中 2/1）， 说明该指标在同类系统上并非满分口径，用于校准预期而非替代自查。

缺陷自查（S9 两个学术命名）

1. source bias transfer：Y 仅 1 个独立域（S1）——多源一致前先确认不是同源转载；本轮无转载混入。
2. over-association of unrelated facts：X 把「并行压缩检索」与「总 token 更省」过度关联，已判错误。