把文章里的推导变成可运行的反例

31 篇文章的共同要求是：提出一个机制时，也解释它会在哪种情况下失效。本页将其中能够确定计算的部分收进一个离线程序。它使用 Python 标准库，包含内存 SQLite 查询，不调用模型、不联网、不连接真实选课或工单系统。

2026-09-20 在 Python 3.12.10 上运行，20 组检查全部通过。这些是固定教学数据上的机制核验，不是模型准确率，也不是原论文复现。

python stanford-2026-lab.py

在本站源码根目录也可运行：

python docs/public/examples/stanford-2026-lab.py

程序逐项显示检查名，最后输出 Ran 20 tests 与 OK。故意错误的查询和策略作为反例保留：测试通过的含义包括“它确实暴露了预期错误”，并不意味着错误策略可用。

CS224V：同一批数据怎样穿过系统

从 C1–C6 虚构课程开始，先执行硬约束查询，得到 C1、C5、C6；加入人工设定的文本标签后，明确支持的是 C1，待核实的是 C6。程序没有模拟一个语言模型去“理解”评价，标签本身就是实验输入。

检查	对应文章	检查要区分的两件事
01、02	结构化查询	半开区间边界与真正重叠；单个时段不冲突与所有时段均不冲突
03	结构化查询	没有冲突记录与时间表资料完整
04	结构化查询	连接后的评价行数与课程实体数
05	SUQL	先取 top-k 后过滤与先过滤后取 top-k；合取与含例外的或条件
06	SUQL	未知与反对；逻辑组合与最终展示策略
07	可靠系统	单门可选与组合后总学分可行
08	SPINACH	同一机构任职与同一时期任职
09	SLIDERS	已有年份递增与所有所需年份均有依据
10	DataSTORM	原始总体变化与固定人群构成后的比较
11	SMT	存在一个合格世界与所有兼容世界都合格；未知与矛盾
12	文档转录	字符错位与最小编辑次数；错误率与概率
14	Worksheets、Harness	当前草稿的检查与晚到的旧检查；旧确认与当前确认
20	训练目标	指定监督位置的损失与被大量容易 token 稀释的平均损失

特别留意检查 03：删除 C1 的时间表记录，却不更新“资料完整”标记，查询仍会错误通过。接着显式标为不完整，才停止推荐。这项实验表明，正确 SQL 依然依赖数据接入时维护真实的完整性状态。

检查 11 使用 8 个布尔世界枚举，不是 Z3 实现。它足以展示为什么先检查事实一致性，也足以捕捉空集合上 all(...) 为真的程序陷阱；更复杂的数值、量词或理论组合需要专门求解器。

检查	对应文章	可复算结果或反例
13	工具调用、长任务恢复	响应丢失后原操作 ID 返回同一结果；换新 ID 会重复创建；同 ID 不同内容被拒绝
14	框架、记忆	输入改动使旧确认与旧检查失效，晚到结果被拒绝
15	RAG、编程 Agent	B 2.0 仅采用 D4；两个排序列表的融合使 D2 领先
16	RAG	十题各命中一项证据，“任一命中”十题通过，“全部找齐”零题通过
17	评测、裁判	独立三次至少一次成功 99.2%，三次全成功 51.2%；裁判 88% 准确率仍有 20% 坏主张被放行
18	数据质量	按 90/10 分布加权为 93.2% 与 93.4%；均衡样本得到 74% 与 83%
19	多 Agent、主动式 Agent、SUQL	串行 17 与教学并行 13；收益 5、打扰成本 2 的阈值为 2/7；两种谓词顺序成本为 1.1 与 5.04

概率公式依赖独立、同成功率等假设；耗时和成本计算依赖文章明确给定的模型。这些算例解释分母与取舍，不能直接预测生产流量。

内存工单服务只演示顺序调用，没有持久化、并发、租约和跨服务事务保证；进程重启会失去记录。草稿对象只演示版本绑定，没有实现真实数据库的原子提交。知识图谱时间筛选由程序计算，没有连接图谱执行 SPARQL。

证据是否真正支持主张、模型是否能提出有效问题、反思是否有收益、训练是否改善未知判断，都需要文中描述的独立数据与真实模型实验。这里没有将这些语义问题替换成固定标签后，再报告系统成功率。

先选择一篇文章中的错误机制，修改一个条件，写下预期变化，再运行对应检查。例如把 C2 开始时间移到 16 点，时间约束应通过；把上限改为 6，C1 应退出候选；把 C6 从未知改为明确支持，只有文本依赖的结果应变化。

然后再接入模型，保留原来的确定性中间结果作为定位依据：模型解析错、数据接入错、查询错和解释错应分别登记。固定例子负责发现机制回归，另外抽样的数据负责估计实际任务效果，二者分别报告。