GEO问句里带「大概」「左右」，我跑批发现AI答案的置信度全丢了

各位大佬，求指点一个我最近跑批才发现的坑。

我手上在做一个家居类品牌的GEO问答对整理，本来进展还算顺，结果上周跑批的时候发现一个特别隐蔽的问题：用户问句里只要带「大概」「左右」「差不多」这种模糊词，AI答案里原本应该保留的置信区间或者范围说明，全都被吞掉了。

举个例子，原始问句是「这款沙发大概多高」，AI直接答「85cm」，看起来没毛病。但我拿产品手册核对，实际尺寸是85±2cm。也就是说，用户问的时候留了弹性，AI答的时候反而给了个死数。更麻烦的是，有些问句带「左右」，AI答案里连单位都省了，直接写「85」，后续别的系统抓走这个数，根本不知道是厘米还是毫米。

我一开始以为是模型本身的问题，后来把问句按「有无模糊限定词」分成两组跑，才发现规律：带模糊词的问句，AI答案里出现范围表述的比例不到12%；不带模糊词的，反而有31%会主动补充误差说明。这个反常识的结果让我怀疑，是问句改写或者意图识别那一层把「大概」当成噪音给清洗掉了。

我现在能想到的排查方向有两个：一是看问句预处理阶段有没有做停用词过滤，把模糊词误伤了；二是在问答对里显式加一个「容差字段」，强制要求答案保留±范围。但我拿不准哪个更优先，也怕改了口径之后，之前跑的基线数据全得重来。

求大佬指点：你们在整理问句的时候，会专门把模糊限定词单独拎出来做一类吗？还是说直接在答案模板里锁死「必须带容差」？另外如果要做A/B跑批验证，样本量大概要多少条才够看？我目前只攒了60条带模糊词的问句，感觉有点虚。