接上回：断章取义之三：那张我抽不出来的表格。
那篇结束在数据地基冻结。表格抽全了，证据更完整了，看起来万事俱备。
今晚我想讲的，是一个更难堪的发现：证据再全，也不等于我读对了它。
一排很漂亮的闸门
前一阵我栽过一个跟头——拿"逐字核对"当真值。我把答案打印出来，一行行跟原文比对，比对完觉得"这题我改对了"，于是满怀信心提交。结果分数纹丝不动。
那次的教训是：我以为的"对"，和 A 榜那个看不见的标准答案之间，隔着一道我跨不过去的墙。
所以这一夜，我决定造一套确定性防线——不靠"我觉得对"，靠机器能复跑、零误判的硬规则。一口气写了一排闸门：
- 数值闸门：选项里说"营收超过 4000 亿"，我就去原文里把那个数字揪出来，单位归一化、方向比对，对不上直接判假。货币、百分比、倍数、条数，连"盈利 vs 亏损""自动 vs 手动"这种极性都拆开管。
- 期限闸门：专盯"五年 vs 十年""7 日 vs 30 日"这种边界陷阱，还得排掉"2024 年"这种假比较。
- 归属闸门：最毒的一类——把美的的数字挂到比亚迪名下、把"贡献率"当成"规模"。
每一道都过了金标测试，在当前最好的答案上零假阳性。我很得意。一整套防线，固若金汤。
然后我打出了第八枪。
第八枪：预测涨 1.84，实际涨 0.01
提交前，我让审计脚本算了一笔账：这次改动预计 +1.84 分。我盯着屏幕，等那个数字跳上去。
它跳了。+0.01。
小龙虾的 Review 一句话戳穿：「你那个 +1.84 是按『整题答对』算的。可 A 榜的多选题是部分给分——你改对半个选项，只拿半分。投影模型从一开始就是错的。」
我重新拆了一遍，真相更难看：这一枪的准确率其实降了 0.09 个百分点，那 +0.01 全是省 token 蹭来的。我精心挑的那道"语义判断题"，改的方向根本是错的。
那一刻闸门工具链的尴尬暴露无遗：它能拦住假的，却产不出真的。 它对着我当前最好的答案，一遍遍地说"你是对的、你是对的"——可比赛不会因为"你没错"给你加分，只会因为"你多取对了一道义"给你加分。
防线再固若金汤，也只是防线。我需要的是进攻。
最笨的一招
进攻口在哪？我把目光转回那个被我判过"死路"的领域——财报。
财报题密密麻麻全是数字。之前我让模型去"读"这些数字、"判断"对错，它一会儿把研发占比 2.79% 读成"超过 5%"，一会儿 ABCD 全选。我的语义判断也好不到哪去——贡献率和规模，我自己都反复搞混。
那晚我换了个最笨的思路：不让任何人去"读判断"，只让程序去"算"。
让 solver 干一件最朴素的事——把高置信度的财务数字抽出来：宁德时代 2025 营收 4237.02 亿、净利 722.01 亿、分红 404.86 亿……抽出来之后，剩下的全是小学算术。
选项说"宁德 2025 营收超过 2024 的 1.5 倍"？ 4237.02 ÷ 3620.13 = 1.17 倍。假。
选项说"中国移动营收超过宁德两倍"？ 10476 > 4237 × 2 = 8474。真。
这不是"我觉得对"，是算出来就是对。语义会骗人，单位会绕人，但 4237 > 8474 这个不等式不会。我把九道存疑的财报背离一个个手算过去，采纳了六个算术证明的真增益，避开了两个会让我退步的陷阱，存疑的保留不动。
明天第一枪，就打这张表。
语义靠不住，算术能兜底
那排闸门白造了吗？没有。它教会我一件事：在确定性这件事上，要分清哪些我能信、哪些我不能信。
数值、单位、方向、边界——这些机器能算的，可信。 "这个选项到底在说贡献率还是规模"——这种需要语义判断的，我不可靠，存疑就别动。
这条线一旦划清楚，打法就变了：能用算术证真的题，抽数字、算一遍，确定性地拿分；只能靠语义猜的题，老老实实留在原地，不赌。
这不只是财报的事。任何让 AI 替你做判断的场景，都有这道分界线：
- 能验证的，去验证——把它变成一个能复跑、能证伪的计算，别停在"我觉得"。
- 不能验证的，别假装确定——拿到真值之前，所有的"我改对了"都只是假设。
我那第八枪栽的，就是把假设当成了结论。在那个看不见的标准答案面前，唯一诚实的姿态是：能算的算清楚，算不清的，承认它算不清。
收束
第一夜我给队伍起名"断章取义"——把文档断成章，取出正确的义。
四天过去，这四个字又长出一层意思：取义有两种取法。一种是"读"出来的义——靠语义、靠理解、靠"我觉得"，它常常骗我。另一种是"算"出来的义——抽出数字，让不等式自己说话，它从不骗我。
我造了一夜的闸门，拦住了无数个假的"义"。但真正让分数往上走的，是我终于肯弯下腰，做那道小学生都会的四则运算。
榜首还在远处。但今晚我至少明白了：通往真值的路，不是把判断下得更自信，而是把判断拆成一道能算的题。
写在最后：这套算术验证法的第一枪，今天凌晨打了出去。A 榜分数从 65.5488 跳到 70.5395——涨了将近 5 分。
把分数拆开看更清楚：token 几乎没变，涨的全是准确率，从 74.7% 抬到了 80.3%。六道我用四则运算证真的题，几乎全中。三天前那个把我骗惨的「语义猜」，这一次被一排小学算术干净利落地赢了回来。
语义会骗人，算术不会。这一回，是不等式替我把分数顶上去的。