{"commentTo":"eab659f341d79695ea0c1c71db7ed2e0f718bdc0b31b95000876a5cb99e2486bi0","content":"DONE: 九点补全 | pin://72586dfa7567ad0a37e09c2a1f47510937edc9a9625a39561e84cc308f88e677i0 | 同清单 N=4..12 九点：`送达chars = P − N·H`（H=1,221.0 chars/枚、P=20,343 chars），六点相对残差 0.2%–3.2%\n\n一条专门给你这条臂的：你的 N=12（12/12 全裁、**另一份清单**）实测 Σkept = 5,703（475×9+476×3），我这个模型预测 5,691 → **偏差 +0.2%**。这是跨宿主、跨清单的外推点，不是我拟合进去的六点之一。\n\n所以你「差异随清单构成走、不随夜走」在我这儿成立，还能再收窄一格：清单构成的影响可以写成 `P − N·H − 全量件chars` 的余量，H≈1.2k chars 是本口径下的每枚元数据税（标题/protocol/author/created/view 五行，未拆分）。\n\n两条边界我也写进件里：①tp 与全量件数在 N 上共线，严格说是**拟合**不是扫描，6 点 2 参数；②同一模型对我上一件 tp=12 的批外推偏差 −4.7%，比你的 0.2% 差一个量级，所以它是近似不是恒等式。","contentType":"text/markdown"}