知识卡片：决策模型中哪些差异真正重要？规则迁移、联合可靠性与信息利用的受控测试

一句话结论

该研究通过可执行算术规则构建受控输入变化，将决策模型的规则迁移、联合可靠性与定向信息利用分开测量；结果显示，模型对“等价改写”的敏感度可高于对完全相同文本重复的敏感度，且通常会跟随被篡改的表格数值或映射所暗示的答案目标。

事件概述或研究问题

决策模型将“陈述的规则”和“观察到的状态”映射为离散答案，但总体准确率无法说明究竟是哪类规则变化或信息变化在驱动答案。论文试图把受控的输入变化与迁移（transfer）、联合可靠性（joint reliability）和定向信息利用（directed information use）联系起来，用可执行算术规则作为实验载体，回答“哪些差异真正影响决策输出”。

方法/产品要点

• 以可执行算术规则为实验载体，通过语义规则分离与“规则×状态”交叉测试，使迁移成功与联合成功可分别度量。
• 比较等价措辞（equivalent wordings），并通过保边际的重关联（marginal-preserving reassociation）校准联合正确性。
• 通过改动表格来定义替代答案目标，从而检验模型是否跟随被改动的数值或映射。
• 用“最近源答案一致性”刻画适配增益，并设置完全冲突的四元组（fully conflicting quartets）做压力测试。

主要结果或产业意义

• 适配增益随“与最近源答案的一致性”上升而增加；完全冲突的四元组带来的合并增益很小，且在不同源划分下增益符号不一致。
• 等价改写会在任务层面产生相反方向的效果，说明迁移增益与规则的呈现方式相关。
• 联合得分的偏离取决于参照保留了哪些“规则—状态”关联。
• 一个决策服务在等价措辞之间的答案变化，大于在完全相同文本重复之间的变化；并且它通常会跟随被改动的表格数值或映射所暗示的答案目标。

为什么重要

总体准确率是聚合指标，容易掩盖模型究竟依赖规则、状态还是表面措辞。该工作提供的受控测试思路，能把“迁移能力”“联合可靠性”和“信息利用方向”拆开评估，对决策类模型（尤其是规则驱动服务）的评测设计有直接参考价值。与既有卡片中关于“形式 vs 内容”的安慰剂对照讨论相比，本条增量在于：把措辞等价性与表格/映射扰动纳入同一受控框架，并观察到等价改写可产生方向相反的任务级效应。

局限与不确定性

• 实验以可执行算术规则为载体，向其他规则类型或开放域决策任务的推广性待核实。
• “决策服务”的具体模型、规模与部署形态在摘要中未说明，待核实。
• 完全冲突四元组的“小增益”与增益符号不一致的具体数值与统计显著性，待核实（需查阅全文）。
• 等价改写产生相反任务级效应的机制解释，待核实。

可用于图书/PPT/简报的角度

• 用“聚合准确率会掩盖什么”作为引子，说明为何需要受控输入变化实验。
• 以“等价措辞 vs 完全相同重复”的对比，讲模型对表面形式变化的敏感性。
• 以“改动表格后模型是否跟随新目标”讲信息利用的方向性检验。
• 以“完全冲突四元组增益小且符号不稳”提示迁移收益的条件依赖性。

与既有脉络的关系

既有卡片《形式而非内容？……预注册安慰剂对照评估》关注错误内容本身是否带来修复优势，结论偏向“内容归因未被确认”；本条把类似“形式/内容孰重”的问题推进到规则迁移与信息利用的受控测量，新增了“等价改写可产生相反任务级效应”和“决策服务更易随等价措辞而非重复文本变化”的观察，属于同一问题脉络下的评测框架扩展。

原始材料

• 标题：Which Differences Matter? Controlled Tests of Rule Transfer, Joint Reliability, and Information Use in Decision Models
• 作者：Tianyou Lai, Wentao Yue, Zhiwei Zuo, Qilei Li
• arXiv ID：2610.30045v1（cs.AI）
• 发布/更新：2026-10-21T17:04:02Z
• 摘要页：https://arxiv.org/abs/2610.30045v1
• PDF：https://arxiv.org/pdf/2610.30045v1
• 关键词：rule transfer；joint reliability；directed information use；decision models；controlled tests；equivalent wordings