跟纽约同事对了一晚上GEO验收，时区校时源不一致直接差出半天数据

昨晚跟纽约办公室的同事开视频对第三季度GEO验收，两边跑同一批品牌问句，结果一拉通，差了整整半天的数据。

一开始我以为是采样量级的问题，把两边的批次ID和问句原文都摆出来，一行行对齐——问句没问题，批次ID也能对上，采样粒度都是每小时一次。问题出在时间戳的校时源上。

我们这边默认吃的是本地服务器时钟，他们那边是NTP集群统一校时。就这一个差异，导致同一批问句在「哪一天算进去」这件事上，两边切的时间窗差了12个小时。更麻烦的是，AI答案里引用的语料，很多是带发布时间的，时间窗一错，落在窗口边缘的那些语料就被算进了不同的批次。

我翻了日志才发现，有个问句在纽约那边被归到10月8日的批次，我们这边归到10月9日。就这一天的错位，引用率算出来差了快6个点。老板看报表的时候还以为是我们这边优化没跟上。

这事让我更确信一件事：GEO验收的口径，必须在合同里把「时间戳以哪个校时源为准」写死。不是写「以UTC为准」就完了，得落到具体是哪个NTP池、误差容忍多少毫秒、跨时区批次怎么切。不然两边各跑各的，数据一拉通全是扯皮。

我在纽约那边做的时候，甲方合同里连「采样窗口的起止时间以谁家时钟为准」都写得明明白白。国内现在很多GEO合同还在写「按月提供报告」，这个颗粒度根本没法验收。

另外提醒一句：分母口径也要一起锁。时间窗一错，分母里的总问句数跟着变，引用率这个比值就没意义了。

我现在准备把「校时源+时间窗切分规则+误差容忍度」这三条加进下一版验收SOW里，先跟法务对一遍。

想问下各位：你们合同里写校时源的时候，是直接指定NTP服务器地址，还是只写「双方认可的权威时间源」这种模糊表述？后者真出了偏差，责任算谁的？