反驳一：问题不在 AI，在用法。只要学生用得对，这些后果都不会发生。
这条反驳在字面上是对的，本书的读数面板正是用来刻画”用法”的：ρ 与 k 就是用法的量化形式。但把结论停在”要用得对”上，会漏掉三件事。
其一，默认值落在错误一侧。对话系统的默认行为是给出答案，不是扣住答案。要让它扣住，必须由使用者主动、反复地施加约束，而每一次约束都要付出即时的成本（更慢、更累、更不舒服），换取一个延迟的、不可见的收益。这是行为设计上最难成立的一种交换。把系统性的后果归因于个人用法，等于把一个设计问题改写成一个自律问题。
其二，正确用法的判据本身需要能力。学生要判断自己用得对不对，需要知道”这一步我是不是本该自己想”。而这恰恰是尚未具备的判断。这里有一个自举困难：正确使用 AI 学习所需要的能力，正是使用 AI 学习本应培养的那种能力。先有的人用得好，会因此更好；没有的人用不好，会因此更差。第四十二章把这一点列为未处理的个体差异问题，但它本身已经足以说明”靠用法解决”不是一条可推广的路。
其三，反馈信号缺失。用得对不对，唯一的检验是撤机后的延迟表现，而这个信号迟到几周、混杂大量其他因素、并且与当下的流畅感反向。在一个反馈如此微弱且方向相反的环境里，靠使用者自我校准形成正确用法，不是一个现实的假设。
反驳二：那就改考试，把读数也取在”学生—AI”复合体上，单位错位不就消失了？
单位错位确实消失，但第六章的互斥不消失，而且会出现三个新问题。
第一，配置不可登记。要让复合体读数具有可比性，必须固定配置。车可以登记车型，AI 不能：起作用的部分不只是模型版本，还包括提示方式、追问习惯、何时接受何时推翻——而这些本身就是被评估的能力的一部分。把它们固定下来，就把要测的东西测掉了；不固定，读数就不可比。
第二，可比性与选拔功能。考试在现行制度中承担分配功能（升学、资格、岗位）。分配要求排序，排序要求可比。复合体读数在配置不可登记的条件下不可比，因此改考试并不能直接接管选拔功能——它需要一整套新的登记制度，而这套制度目前不存在，也没有人在建。
第三，也是最重要的：改考试不触及第七章。即使评估全面迁往复合单位，“验收位依赖生成位”这个问题依然在原地。如果依赖为真，那么一个从未独立生成过的人，在复合体中占据的位置会持续退化到只能确认流畅性——而复合体的读数在短期内看不出这种退化，因为 AI 会把它补上。复合体读数对这种退化是盲的。这是改考试方案最深的一处风险：它解决了测量的一致性，代价是取消了唯一能发现退化的那个读数。
反驳三：AI 会继续变好，护栏会解决问题。
现有的最好证据恰恰指向相反的方向。加装了学习护栏的那一臂，把撤机考的结果从负改成了零——没有把它改成正。而带护栏的大规模试验在一周后的延迟测上，学习证据依旧微弱。
更根本的是护栏的作用机理。护栏所做的事，正是降低代走率、提高否决显影度——即把 AI 往”少给答案、多留岔口”的方向拧。这意味着护栏不是 AI 能力提升的自然产物，而是对 AI 能力的主动约束。因此”AI 变强会解决问题”这条推理是反向的：AI 越强，代走越容易、越彻底、越令人满意，而约束它的相对成本越高、越反直觉、越难在产品竞争中存活。一个以用户满意度为优化目标的系统，会系统性地朝着 k→0 的方向演化，因为清晰、简洁、一步到位的输出正是用户即时评价最高的输出（第九章）。
反驳四：那就干脆废掉考试，这些问题自然消失。
本书不反对废考，第一、二编的论证也不构成保留考试的理由。但废考并不解除本书的问题，只是把它从测量层移到能力层：即使没有任何考试，“一个从未独立生成过下一步的人能否有效验收”这个问题依然存在，而且后果更大。考试只是这个问题目前唯一的、粗糙的报警装置。拆掉报警器不等于解决火情。
所以四条反驳的处理方式是一致的：它们都能改变本书结论的表述，没有一条能改变本书结论的依赖结构——全部压力最终都落到第七章那一条上，而那一条要靠第三十九章的实验来定。