人工智能排障别只看单条曲线。单通道像重启，一组一起掉才是事故。2026年用真实事故遥测做分层时序问答，现成模型准确率刚过六成，低于专家。原生时序加画面语言，异常识别能拉开近九个点。人和模型错法不同，合判上限近九成。只报总分，不准接自动处置。

人工智能会读图，痛点在事故题不是合成正弦波

值班看的是小组件：一张图、一段时间、一组相关通道。题从真实对话和遥测里来，还要人工核正确性和隐私。合成单变量集没有「一组里才算异常」这种组合推理。通道可以到两千以上、步数到四万，上下文有限的模型会先在表示上崩，而不是在推理上崩。

题要分层。下层：异常何时开始、哪条通道在动。中层：哪些通道构成同一组异常。上层：依赖前两层才能答的根因方向。上层错了，往往是下层已经漂。混成一个总分，会把「不会看图」和「不会组合」搅在一起。分层才能定点补数据。

三类输入不要互相替代。纯文本把数值拉成字，长序列先爆窗口。纯画面把图画进去，通道一多只能重复颜色或互相遮挡，细通道看不见。原生时序编码器吃数值，画面模型吃图和文字说明。冻住大部分、只训对齐层，参数可以比前沿小几个数量级，异常识别这一类任务反而能领先。合成数据要先采样长度和尺度，再注入台阶、季节性改变，再用视觉模型写说明和推理，最后才上真实事故微调。

人和模型的错法裂开。模型会在指令遵循和细粒度感知上翻车，专家会在那类题上更稳；专家受领域幻觉少，模型会在领域知识上编。大约一半专家都错的题模型能做对，近八成模型错的题至少一名专家能做对。所以「再训一个全能排障模型」会漏掉合判。值班流程要留人工抽检位，不是等模型总分超过专家再上。

人工智能时序问答2026五步：先真实事故，再分层，再混合输入

1. 评测集必须来自真实事故遥测和专家上下文。合成正弦加噪声，作废。
2. 题分三层，上层依赖下层。只报总准确率，不准写已经能排障。
3. 输入至少两路：原生时序加画面语言。只塞文本或只塞图，当表示失败，不论分数。
4. 异常识别单独报。总分接近前沿但识别落后，方案不合格。
5. 人和模型错题集合要公布重叠。重叠高，合判没价值；重叠低，流程必须双看。

两处只有值过班才清楚。其一，单条吊销寿命掉一点可以忽略，一组集群同时掉才是事故。评测若把通道拆开打分，会把这种题打成正常。分组上下文必须进题面，不能当附件。其二，自动处置若用总分过线当开关，会在模型幻觉的那类题上误操作。开关要绑在下层异常识别和人工抽检都过，上层题只进建议，不进自动重启。

建设者该把真实事故分层问答写成可观测智能体的单元测试，而不是又一个预测赛。管值班的人，该拒收只有合成集分数、没有通道分组和人机错集对照的方案。没有对照，上线就是把幻觉送进变更窗口。七百多道题来自六十余起真实事故，通道可以到两千、步数到四万，上下文有限的模型会先在表示上崩。合成正弦波测不出这件事。

结论：人工智能排障考的是组合异常和分层推理，不是会不会把图画进窗口

真实事故、三层题、原生时序加画面。识别单列，人机错法对照。合判上限远高于单独分数。仍只看单条曲线或只报总分，自动处置会在该动时停、不该动时动。

你下次把模型接到事故问答，先抽一组「单条正常、一组才异常」的题；这组过不了，建议可以出，开关先不要接。自动重启只绑下层异常识别和人工抽检都过，上层题只进建议。

现场还要防口号替换验收。把「已经更准、已经会切、已经遗忘、已经会探索」写成周报，不等于起报日全覆盖、语义边界对、公开材料唤不醒、难问题有学习信号。周报可以写，门禁必须绑在分列成绩和失败模式上。

若只能改一处：先把「看起来会了」从唯一成功标准里拿掉。演示可以记，分列、对照、可复现、可唤醒四件跟不上就算事故。

现场还要防口号替换验收。把「已经更准、已经会切、已经遗忘、已经会探索」写成周报，不等于起报日全覆盖、语义边界对、公开材料唤不醒、难问题有学习信号。周报可以写，门禁必须绑在分列成绩和失败模式上。

若只能改一处：先把「看起来会了」从唯一成功标准里拿掉。演示可以记，分列、对照、可复现、可唤醒四件跟不上就算事故。

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