跑批日志里同一个问题早上答对下午答错，我怀疑是时间戳没对齐时区
各位大佬，求指点，我快被这个跑批结果整懵了。
先说背景：我们最近在盯一批产品参数题的 AI 引用情况，每天固定跑两次批，早上 9 点和下午 3 点各一次。我拿同一个问题「XX 型号的耐温上限是多少」去跑，早上日志里 AI 答的是 125℃，下午同一道题答的却是 105℃。我当时第一反应是采集端又抽风了，因为之前踩过采集和展示层对不上的坑，所以这回我特意没急着改方案，先把两批日志导出来逐行对。
对完发现几个关键点，记录一下：
第一，两次跑批的 query 字符串完全一致，md5 都一样，说明不是提问变体生成的问题，是结果本身在变。
第二，我把两批日志的 timestamp 字段拉出来看，早上那批记的是 2024-11-05 09:02:13，下午那批是 2024-11-05 15:07:41，看着没问题。但我去翻采集端的原始响应头，发现返回体里带了个 Date: Tue, 05 Nov 2024 01:02:13 GMT——采集端用的是 UTC，展示层按本地时区渲染。也就是说，我日志里看到的「下午 3 点」在服务端眼里其实是「早上 7 点」附近，两边差 8 小时。
第三，我就顺着这个思路去查，发现这道题里有个参数是跟「当前时段」相关的（具体哪个我就不细说了，涉及客户信息），AI 在 UTC 早上和本地下午拿到的上下文不一样，答案自然不一样。
所以我现在的判断是：这不一定是 AI 答错，而是我自己的跑批口径里时间戳没统一，采集端 UTC、展示层本地时区，中间差了 8 小时，导致我拿两个「不同时刻」的结果当「同一时刻」在比。
但我还是有几个地方没想明白，求大佬指点：
- 跑批日志里到底该以哪个时间为准？采集端的 UTC 还是展示层的本地时间？你们一般是在入库时就转成统一时区，还是查询时再转？
- 如果答案本身就跟时间上下文相关，那做 A/B 的时候是不是得把跑批时间窗固定死，比如每天固定 UTC 几点跑，避免早批和午批拿到的上下文不一样？
- 有没有大佬遇到过类似「同一题不同时段答案漂移」的情况，最后是怎么归因的？是记成时区问题，还是记成上下文问题？
我现在倾向于先把口径固定成「入库统一 UTC、展示层再转」，但不确定会不会影响后面跟客户的验收对数。有大佬跑过这套流程的，求指点一下具体怎么落地。