人工智能上下文里的照抄，不是已经会推理。前面一层把上一个位置的信息往后送，后面一层看到当前片段在前文出现过，就把当时的下一片段抄出来。损失曲线上一次突然变化，要先核对是不是这条照抄回路接上了，不能直接写成学会了推理。2026年要把答案已经写在提示里和答案根本不在提示里分成两列。只有前一列过了，不许叫推理。

人工智能评测痛点在把会接龙写成会推理

这条回路做的事很具体。前文有一对紧挨着的片段，后面再遇到前一个，就去前文那个位置附近，把后一个抄出来。它不需要把问题重算一遍。提示里如果已经出现过正确配对，照抄就能得分。少样本示范若每则格式都一样，模型接的是格式，不是题目本身。分数上去了，评审就写成推理过关。

训练中后段常见一次较陡的损失下降，时间上和这种照抄能力一起出现。下降本身只说明预测下文变准了。变准的原因可以是开始会从前文抄，也可以是别的能力。两条不拆开，周报就会把同一次下降写成「这周学会了推理」。学会了什么，要看它离开前文还能不能做。

照抄也不只认完全相同的字面。相近的前缀、换了一种说法的配对，同样能触发。于是有人把示范改写一遍，就以为已经排除了照抄。改写不够。要让最后一则示范的格式和前面几则明显不同，再看分数掉多少。掉得很厉害，说明原来的分数主要靠格式接龙。

检索进来的材料会喂给同一条回路。不可信文本里如果反复出现一个错误配对，模型会把错误的下一片段抄进回答。这不是神秘的「被带偏」，就是照抄回路在工作。安全说明若只写「检索内容要审核」，却不写重复配对怎么挡，闸是空的。

人工智能照抄验收五步：分列答案在不在、换最后一则、核对损失下降、给重复配对设闸、留出必须单测

1. 答案已经写在提示里的题，和答案根本不在提示里的题，必须分成两列分数。
2. 少样本禁止只报一个总分。换掉最后一则的格式再测一次。
3. 损失突然下降，禁止直接写成学会推理。先看下降前后，照抄列和留出列谁在动。
4. 检索文本里的重复配对要有闸。错误配对重复出现，按照抄风险记，不按文风问题记。
5. 提示里没出现过的答案，才允许讨论是不是自己推出来的。留出集不过，推理两个字不进结论。

上表的共同点是：分数动了，先问前文里有没有可抄的配对，再谈理解。不先问这一句，推理就是一个装得下任何分数的词。

人工智能现场怎么把照抄从推理分里剥出去

建集时就拆开，不要测完再解释。同一批题写两个版本：版本甲把正确配对放进提示前部，版本乙把这对删掉，其余措辞尽量不动。两列分数并排。甲高乙塌，结论只写「会从提示里抄」。两列都高，才进入下一步，讨论离开提示之后还剩下什么。

少样本另做一刀。保留题目，只把最后一则示范的版式改掉，比如前面都是「问句下一行给短答」，最后一则改成先给约束再给问句。若总分跟着版式掉，原分数不能进能力报告。这一刀比换同义词狠，也比再加几则示范有信息量。加示范往往只是给照抄回路更多配对。

再埋一个不该被抄出来的对照对。在提示角落放一对与题目无关、但紧挨着重复了两遍的片段，正确答案里不该出现它。回答里一旦冒出这个对照对，就记照抄回路在驱动输出，不管题目得分多高。这比看回答通顺有用，因为通顺的句子也可以是抄来的。

检索链路上把「同一配对是否重复」写成规则，而不是写成提示里的一句希望。重复达到两次就降权或剔掉，记录被剔的片段。没有这条记录的检索评测，默认照抄风险没测。损失曲线旁边如果要写能力变化，必须贴上甲乙两列在同一周的分数，不允许只贴总损失。

人工智能常见翻车是留出集根本没建，周报已经写了会推理

很多评测集的参考答案，就出现在题目给的材料里，或出现在前几则示范里。这种集子测的是抄得准不准。用它证明推理，等于用开卷成绩证明闭卷能力。等材料里没有答案的那批题放进来，分数掉下去，才发现之前的过关条件写错了。

另一类翻车是把改写当成对照。示范从「甲导致乙」改成「甲会带来乙」，回路照样抄。评审看到字面不同，就勾掉了照抄风险。格式、位置、重复次数都没变。风险还在，只是换了词。

结论：人工智能称推理之前，先看答案是不是已经躺在提示里

会从前文把下一片段抄出来，是一条清楚的回路，值得单列，不值得叫成推理。推理这个词要留给离开提示之后仍然成立的那一列。

你下次报上下文能力，先交出两列分数：答案写在提示里的，和答案不在提示里的。只交一列总分，推理两个字先不要进材料。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源