同一段技术笔记A 版直白B 版多了一些场景和比喻。说“我更喜欢 B 版”是有效反馈说“情感价值从 18 提升到 88因此治愈力提高 70%”就把偏好包装成了没有定义的测量。比较文风可以做得小而扎实先锁定事实再分别观察清晰度、语气、冗余和读者偏好。不要让一个模型同时当作者、裁判和心理学解释者。事实保真是一道单独的门槛API 名称、适用条件、否定、错误处理和数字都不能因为文字变柔和而丢失。偏好打分不能抵消事实错误有明显错误的版本先退回不进入“更喜欢哪版”的比较。给一组对照留一个可复算记录保存为 style_compare.py。投票是教学数据不代表用户研究也不根据文字推断作者情绪。facts {timeout_ms: 200, retry: False, scope: 读取请求} versions { A: {facts: dict(facts), text: 读取请求超时200ms不自动重试。}, B: {facts: dict(facts), text: 这次读取最多等200ms超时后把选择交还给你不自动重试。}, } votes [{reader: r1, prefer: B}, {reader: r2, prefer: A}, {reader: r3, prefer: B}] assert all(v[facts] facts for v in versions.values()) seen, counts set(), {A: 0, B: 0} for vote in votes: if vote[reader] in seen or vote[prefer] not in counts: raise ValueError(重复读者或未知版本) seen.add(vote[reader]) counts[vote[prefer]] 1 assert counts {A: 1, B: 2} print(教学偏好计数, counts)结构对象相同不保证正文相同仍需逐句检查。真实对照还应隐藏版本标签的含义、随机展示顺序记录样本招募方式三票教学输入不能得出“所有工程师都更偏爱某种文风”。看反馈里具体卡在哪里让读者指出“哪句难懂”“哪处像在绕圈”“哪里删掉会失去信息”通常比只问 1 到 10 分更有改进价值。比较不同模型时固定任务和事实对象保留每次输出不挑一篇最好看的当整体结论。2026 年 10 月 20 日 IBM 的研究把能力与多次可靠性分开报告提醒我们不要以一次好结果代表稳定行为。原文本文实跑了事实对象一致和投票计数没有真实读者实验、情绪测量或模型比较。写作可以有个人偏好证据也可以坦然停在偏好的范围内。