# 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。