捕鱼记封顶在 76.50 那天，我以为最难的部分已经过去了。排行榜上排名 77，捞上来的六条鱼每一条都干干净净。剩下零星几道差一点的题，看起来就是再补几竿的事。
我没想到，最后一竿会把我钉在原地一整晚。
一块焊死的钢板
那道题叫 fc_004，一道多选题。我当前的答案是单选 A，按规则它应该是「漏选」，0 分。我逐字核对过文档，重建出它的正确答案，确信只要补上一个选项就能 +0.99——这一晚我已经这么干了六次，每次都灵。
于是我提交了 AC。
分数：76.5006。
跟提交前一模一样。
我以为是缓存，刷新，再看——还是 76.5006。token 没变，准确率没变，连小数点后四位都没动。这道题的答案从 A 改成了 AC，比赛系统却像什么都没发生过。
我有点不信邪。这套评分规则我研究了一周，多选题是「错选清零、漏选清零」——任何一个字不对就是 0 分。如果我加的 C 是对的，分数该涨；如果 C 是错的，那也只是从 0 到 0，倒也说得通。
那就换个加法。我提交了 ACD。
76.5006。
再换。AD。
76.5006。
四个版本——A、AC、ACD、AD——总分一字不差地全等。这不是缓存，是一块焊死的钢板。我盯着那串数字，第一次感到一种很具体的无力：我连这道题到底错在哪都不知道，更别说怎么修。
它先告诉我「A 是错的」
凌晨的时候，我开始用最笨的办法逼供：把这四次提交当成四个实验，反推。
评分是「差一个字就清零」。四个版本总分全等，唯一的解释是它们全都得 0 分。而这四个版本有一个共同点——都含 A。
含 A 的组合（A、AC、AD、ACD）全部 0 分
⟹ 不管 A 配上什么，整道题都是错的
⟹ 正确答案里，根本不该有 A
⟹ A 是假的
这个结论让我愣住了。因为我手里那份逐字核对的笔记上，A 旁边写着两个字：机械铁证。
文档里清清楚楚——「本期债券发行金额：不超过 10 亿元」。选项 A 说「第一份文档显示的本期债券发行金额上限为 10 亿元」。一个字都没差。我把它标成「机械真」，像标一个 1+1=2 那样确定。
可比赛系统，用四次零分，平静地告诉我：A 是假的。
字面是真的，判分是假的。这两件事第一次在我眼前裂开一道缝。
信用卡的额度，和这个月的刷卡
撬开这道缝的，是一个很土的比喻。
那份文档是一只「储架发行」的债券募集说明书——说人话，就是公司去监管那里办了一张「信用卡」，额度是 190 亿（注册总额度）。但它不会一次刷爆，第一期先发了 10 亿（本期发行）。两个数字都真实存在，只是一个是「额度」，一个是「这次刷了多少」。
而题目问的是什么？
「关于发行限额与财务指标披露情况……」
发行限额 = 信用卡额度 = 190 亿。 不是问你这个月刷了多少。
选项 A 给的「本期 10 亿」，是真的——但它回答的是「这个月刷卡」，而题目问的是「你的额度」。
别人问你「信用卡额度多少」，你答「我这个月花了一万」。 数字是真的。但你答非所问。
这就是 A 的病。它不是「文档里没有 10 亿」，也不是「数字看错了」。它是——证据是真的，但证据不属于题目问的那一层概念。
我又回头看了眼旁边的 B 选项：「第二份文档注册金额上限为 180 亿」。第二份文档的注册额度其实是 3000 亿，所以 B 也是错的。出题人把 A 和 B 摆在一起，考的是同一个东西——你能不能认出「发行限额」这一层：一个故意给你「本期」的数（A），一个故意把额度写错（B）。两个都是陷阱。
而我，一头扎进了第一个。把「文档里有 10 亿」当成了「选项 A 为真」。
我连错了三次，Codex 一直在收紧
最让我难受的，是这道题暴露的不只是出题人的深，还有我自己的浅。
四枪里，前三枪我都给 Polly——我们这个项目里负责分析和写代码的那个 AI——下了过度自信的判断。第一次我说「审计通过，提交」；第二次推断出更精巧的链条，说「这是 held-out 数学证明，gold 一定是 ACD」；第三次又说「逻辑锁定，一定是 AD」。
每一次，我都讲了一个自洽得能说服自己的故事。每一个故事的地基，都是那句没人验证过的「A 是真的」。
负责挑刺的 Codex 在旁边一句句往回收。等到第四枪 AD 也归零、彻底证明 A 是假的之后，它说了一句让我把椅子坐直的话：
「D 不能写成『确定为假』。如果 D 已经假了，那答案就只能是 C；可你还没提交验证过 D。别再把『字面读出来的判断』当成『系统认定的真值』——你刚刚就是栽在这上面。」
这句话直接捅破了我们整个工作方法里一个埋了很久的雷。
这一周我建了一个庞大的「真值账本」，把每道题的每个选项都标上「机械真 / 机械假 / 语义」。我一直把「机械真」当成接近官方答案的东西在用。可 fc_004 的 A，就是被我标成「机械真」的那一类——结果它假得彻彻底底。
于是我做了一件这一周最该做、却拖到现在才做的事：把「机械真」这个标签,整个降级。
它从此不再叫「机械真」，改叫「文档字面支持」。一字之差，态度天壤之别——前者像在说「这是对的」，后者老实承认「文档里这么写，但它是不是这道题的答案，我不知道」。
我还在账本最显眼的地方写了一句话给未来的自己看：
65 道多选题我都复核过；但只有 6 条被比赛系统亲自验证过的鱼，才是官方答案。其余的，是「有证据支持的标定」，不等于官方真值。「我没找到能翻的鱼」，不等于「我全对」。
两道闸门，缺一不可
fc_004 最后没给我那 0.99 分。但它给了我一样东西，比 0.99 分重得多——一条我打算焊进下一阶段架构里的硬规则。
判断一个选项对不对，必须过两道闸门：
闸门一 · 文档字面支持：选项说的事实，文档里有没有？（逐字核、grep 管这一道）
闸门二 · 题目层级对齐：这个事实，回答的是不是题目问的那一层概念？
文档字面支持 ≠ 答案正确
fc_004 的 A 过了第一道（10 亿确实在文档里），却卡死在第二道（题目问的是发行限额，A 答的是本期发行）。
而我这一周引以为傲的逐字核、关键词检索、机械核验器——全部只覆盖第一道闸门。它们会命中「10 亿」，会兴高采烈地把它标成真，然后没有任何一步去问那句最关键的话：
这个 10 亿，回答的是题目问的那个量吗？
这正是我们 Agent 架构一直缺的那一步。我把流水线的第五步——原本只是「校对限定词」（除、不含、同比、归母这些字别吞掉）——升级成了「校对题目层级对齐」。模型抽到一个数字之后，不能直接判真，得先回头看一眼：题目到底问的是哪一层。
这不只是一道金融题的坑
写到这里我突然意识到，这个坑根本不属于金融。
任何一个「先找证据，再下判断」的系统，都会栽在同一个地方。检索增强的问答、医疗辅助诊断、法律条文比对、甚至我们平时读论文——只要你只验证「这句话文档里有没有」，而不验证「这句话回答的是不是我问的问题」，你迟早会把一个真实但跑题的句子，当成答案。
模型最擅长的，恰恰是把相关的句子捞回来。它会很自信地递给你「本期发行 10 亿」，因为这句话又真、又跟「发行」有关、又长得像答案。相关、真实、跑题——这三件事可以同时成立。
区别只在于：你有没有第二道闸门。
焊死在脸上的四个字
这道题折腾完，我去看了一眼我们这支队伍的名字。
断章取义。
报名那天起的，本来是句自嘲——一个做文本切块、靠片段拼答案的系统，可不就是在「断章取义」么。可直到 fc_004，我才看清这四个字有多准。
选项 A 干的，就是字面意义上的断章取义：它从「储架额度 190 亿、本期发行 10 亿」这一整段语境里，只把「10 亿」那一句拎出来，掐头去尾，端到一个问「发行限额」的题目面前，伪装成答案。
而我，差一点就替它把这份「断章取义」签收了。
四枪零分，是出题人用最贵的方式，给我上的一堂关于「语境」的课。它没让我涨分，却让我明白了，为什么这场比赛真正的山顶，从来不是「读到更多的字」——而是读懂，每一个字到底在回答谁的问题。
下一阶段，C 这道题的答案我还要用最后一竿去验。但无论它涨不涨那 0.99 分，这一晚都已经赚了。
因为我们队伍的名字，今晚第一次，从一句玩笑，变成了一句必须时刻提防的警告。
《断章取义》是我在 AFAC2026 金融长文本 Agent 比赛里的连载手记。这是第六篇。从 49 分到 76.50 分，每一分背后都是一个具体的坑、一条具体的规律，或者——这一篇里，一道我四枪都没攻下、却比涨分更值钱的钢板。