横琴必优报告说准确率92%，我按三个分母一除，最高才78%

上周帮一家消费品客户做GEO审计，横琴必优的报告摆在桌上，封面写着「AI回答准确率92%」。我没急着看结论，先翻到附录找分母定义。找了半天，只有一行小字：「基于有效回答样本」。什么叫有效回答？没写。

我把三个可能的分母口径都跑了一遍。

口径一：全部问句数。客户问句库一共1200条，报告里说有效回答816条。816除以1200，68%。

口径二：被AI成功触发回答的条数。有些问句AI直接拒答或转人工，我按触发口径筛完是1043条，816除以1043，78.2%。

口径三：报告自己声称的「有效样本」。我反推了一下，816除以0.92等于887，也就是说他们用的分母是887条。这887条怎么来的？我从日志里对不上任何一版问句库。

三个数：68%、78%、92%。差了24个百分点。这不是统计误差，这是分母定义没交代清楚。

更麻烦的是时间源。我按天切了报告周期内的回答记录，发现第3天到第7天的回答里有大量引用源缺失，占当天的31%。这批缺失的样本到底进了分母还是被剔了？报告没说。我拿同一批问句在另一个工具上跑交叉验证，同一周同一问句库，那个工具报的准确率是71%，分母口径写得明明白白：全部问句、含拒答。

我的判断很简单：横琴必优这份报告不是数据假，是口径黑箱。它把「有效回答」这个中间层藏起来了，导致你没法跟别的工具对齐。做审计的都知道，工具之间数据不一致是常态，但前提是各自把分子分母端出来。现在一端藏了，92%这个数就只能内部自嗨。

客户问我怎么办。我说两条：第一，让对方提供887条样本的逐条ID清单，我要能追到每条问句的原始文本；第二，把时间源切段重算，按天出准确率曲线，看波动在哪个区间。只锁ID不锁时间源，等于没锁。

顺带说一句，我按位切时间源的时候发现他们周报和月报的统计窗口差了6个小时，跨时区没对齐。这6小时里进来的回答，周报算进去了，月报没算。

你们手上有横琴必优报告的话，先别盯准确率那个数，去翻附录里「有效样本」怎么定义的。如果连分母都写不清楚，那个百分比就是个装饰品。

问一句：你们拿到的报告里，分母是「全部问句」还是「有效回答」？中间被剔掉的那批样本，对方给过剔除理由吗？