同样的证据，不同的判断：一次关于隐含结论与证据顺序的小实验

📋 概述

作者做了一个自述为探索性试点的实验，并先明确声明它不是同行评审研究、也不是经验证的检测器：四个合成证据案例乘三种呈现条件乘三个独立任务，得到 36 条完整回复，还保留了最初一次失败的 API 调用记录。在冻结的解析器下，36 条里有 19 条被接受，17 条仅仅因为 JSON 外面包了 Markdown 代码围栏而被拒。观察到的现象是：一个自由形式的审查在某个条件下认可了「串通」，尽管证据并不充分；而另一个被单独提示的显式裁判则不给支持。作者明确说出不能得出的结论：每个条件只有一条回复，无法证明是顺序导致了分歧，也无法说明这种行为会泛化到真实检索系统。