关于人机协作错误的解释，通常在三条路径之间摆动：提高模型能力、校准人的信任，或明确组织责任。这些路径都重要，却共同跳过了一个更小的分析单位：进入最终决定的每一项关键主张，究竟依据什么被验证，验证由谁执行，又留下了什么可供第三方复核的证据。一个系统可以拥有清晰的角色表、完整的批准链和可追踪的操作日志，同时没有任何人对决定结果的关键主张完成与风险相称的独立核验。本文提出一个三账本模型。授权账记录谁有权提出、复核和批准；证据账记录哪一项关键主张被谁以何种方法检验、得到何种结果；追责账记录损害发生后，因果贡献、可避免性、道德责任和处分如何分配。三种账本功能相关，却不可相互代偿：签名不能产生证据，事后惩罚也不能追溯性补做验证。不可代偿约束的是功能，不是文件数量；当授权动作只能由合格证据生成、会随证据失效而撤销、可由第三方重放且越权被显式标记时，授权与证据可以共载于同一技术对象，却仍不能混同。现实组织常在未满足这些条件时发生两次替代。行动前，授权闭合被当作证据闭合，形成验证覆盖幻觉；事故后，追责闭合又被当作问题已经解决，尚未偿还的验证缺口被一个可处分的人所遮蔽。本文将前者称为行政替代，将后者称为惩罚替代，并把二者连接为双相责任闭合。该模型产生三项可共同裁决的正向预测：第一，高授权完整度可以与低证据验证覆盖并存；第二，高主观覆盖可以与高未验证债务并存；第三，在控制实际控制能力、损害严重度与证据状态后，追责闭合压力仍可提高归罪集中，却不减少原有验证债务。三项同时成立，才构成三账本错配的联合指纹。模型还提出一项反向边界预测：若授权与证据达到“证据保持耦合”，独立证据账不应再提供增量效力；若仍有增益，则载体合并失败。NASA 火星气候轨道器事故、Uber 自动驾驶测试事故、冗余自动化监控实验与临床 AI 研究分别锚定机制链的局部环节；医疗闭环沟通、审计证据准则和安全调查制度则从异质领域共同表明，责任转移、信息确认、证据充分和纪律处分是不能彼此替换的操作。本文进一步给出关键主张级指标、与九类近邻的竞争性边界、三项预注册实验、一项现场阶梯研究、一项跨域档案研究及十三条理论死亡条件。本文是理论建构与研究设计，不把尚未实施的实验写成已经获得的证据。
关键词：人机协作；验证覆盖；证据账；责任漂移；冗余监督；事故归责
盲评为投稿原稿未经任何编辑改动时评出的五维结构化评分（S 结构精确度×.20 + D 差异锐度×.25 + E 纠缠深度×.20 + I 不可还原性×.20 + F 可证伪性×.15），近邻比对按全球公开文献口径从严，并计入站内自撞。文末三则附论（最近邻补切、站内划界、编辑校订说明）由编辑增补，不计入本分数；正文的判断与结构未经改动。待独立复核。（评分：Claude · 2026年8月6日）
当人工智能辅助的决定导致损害，最自然的问题是：模型错了，使用者错了，还是组织流程错了？这个问题无法绕开，因为补偿、整改和法律责任最终都要落到能够行动的主体上。然而，如果调查从行为者开始，也可能过早把一种生成于关系中的失败压缩为某个主体的缺陷。模型可以通过开发期测试，操作者可以完成培训，主管可以按时批准，合规团队可以留下检查记录；但一句改变结论的主张仍可能从模型输出进入正式决定，而没有任何人验证过它。
本文把分析单位从“行为者是否在环”换成“关键主张是否获得证据”。关键主张是指：一旦为假，便可能改变决定、风险等级或行动路径的可判断内容。例如，“影像中不存在恶性征象”“前方物体不会进入本车路径”“输入单位已经统一”“合同条款符合现行法规”，都不是一份文件或一个模型输出的泛称，而是能够逐项支持、反驳或悬置的命题。
换轴后，三个常被合并的问题必须分开。
第一，被分配验证责任不等于完成验证。角色表回答谁应该做，证据记录回答谁实际上做了什么。第二，点击批准或留下活动日志不等于留下验证证据。日志可以证明某人打开过页面、按过按钮或接受过建议，却未必证明其查阅了独立来源、执行了反事实检查或达到预设标准。第三，流程获准结束不等于认识上的不确定性已经关闭。组织可以允许决定继续，同时仍有关键主张处于“无人检查”“证据冲突”或“无法判定”状态。
已有研究分别识别了自动化依赖、努力减少、责任扩散、责任鸿沟与人类操作者被集中归罪等现象。本文的增量不在于再给其中一个现象改名，而在于划出一条现有解释未能同时保存的分离线：授权闭合不等于证据闭合，追责闭合也不等于验证债务清偿。组织使用不同记录回答不同问题，却在压力下把它们当成可以互相抵账。由此形成一个反直觉结构：决定能够被完整批准，关键证据却保持开放；事故发生后，责任能够被完整分配，证据缺口仍然没有被修复。本文进一步检验，这两次替代究竟是同一闭合压力的前后两相，还是两个仅在修辞上相似的局部效应。
可靠性工程首先关心模型是否在目标人群、目标场景和已知扰动下达到可接受性能。美国食品药品监督管理局关于临床决策支持软件的指导文件要求专业人员能够独立审查软件建议的依据，并提示自动化偏误可能导致采纳错误建议或因系统没有提示而不采取行动[1]。临床实验也显示，专业能力、系统信念和错误 AI 建议会影响错误采纳[2-3]。这些研究证明模型质量不能单独决定人机系统质量。
自动化偏误主要解释人为何过度依赖机器。它不能完整解释另一种情形：参与者并不高估模型，而是相信另一位审核者、上游团队或正式流程已经完成核验。即使模型信任被准确校准，验证仍可能悬空。因此，本文要求在实验中同时测量模型信任、个人能力、他人已检查的预期以及真实验证证据；如果后两者没有独立增量，理论应并入自动化偏误。
Darley 与 Latané 以来的研究表明，在场者增加会降低个体介入概率，责任扩散是其重要机制[17]。冗余监控实验把这一问题带入正式任务：共同承担监控但不期待个人反馈的参与者减少交叉检查，团队也未因人数增加而自然获得更高可靠性；顺序双检中，看到前一位判断还会降低后一位的检查努力[6-8]。
这些工作解释“为什么做得更少”，却不必然解释“为什么系统更确信已经做完”。努力减少与覆盖幻觉可以分离：参与者可能知道大家都没有认真检查，因而不产生幻觉；也可能投入了不少时间，却重复检查同一低风险主张，仍高估整体覆盖。本文因此不以时长或自报努力替代主张级证据覆盖。
责任鸿沟讨论学习系统的不可预见性和控制困难如何挑战传统归责[4]；“道德缓冲区”指出，控制能力有限但最接近事故现场的人类操作者可能吸收整个系统的道德与法律压力[5]；多手问题则揭示多人共同造成公共结果时的归责困难[18]。这些理论集中处理事故后的责任判断。
本文向前追问：在责任仍处于未来时，关键主张为什么能够未经验证而进入决定？同时又向后提出一个竞争性预测：多手问题预期归责弥散、悬置或不确定；双相责任闭合则预期，在存在“必须作出处置”的制度压力时，弥散的因果链会向少数可见节点收缩。两者不是不同措辞，而可在同一材料中用总归罪量、归罪熵与“暂不归责”选择直接裁决。
NIST AI 风险管理框架要求组织明确角色、记录测试验证结果并持续捕捉风险信息[12-13]。组织社会学进一步指出，角色、办公室、程序、报告渠道和审计工具共同构成“问责基础设施”；但基础设施本身不保证合规，只有被实际动员并转化为日常行动，才可能产生效果[22]。这为本文提供了一个强近邻：也许问题只是问责基础设施没有被落实。
本文的剩余在于把“落实”拆到关键主张层，并区分三类不同的闭合。一个活动日志可以完整重建谁在什么时候点击了什么，却不能证明某项主张为什么被认为是真的；一个角色矩阵可以覆盖所有流程节点，却不能证明相应认知行为发生；一份处分决定可以结束组织争议，却不能改变事故前的证据状态。若一般问责基础设施的成熟度已经能够无损预测本文全部指标，三账本模型应降级为其测量工具。
上述理论各自解释了能力、信任、努力、分工、合规或归责的一部分。仍未被共同解释的是：为什么完成授权会提高“已经验证”的感觉，为什么处分某个人会提高“事情已经解决”的感觉，以及为什么两种闭合都可以发生而关键证据仍然缺席。
本文把这一剩余压缩为一句话：签名不能验证，惩罚不能修复。 这不是伦理口号，而是一个关于记录类型的不可代偿命题。授权、证据和追责可以相互提供线索，却不存在从任一账本到另一账本的无损推导。后文的实验不检验人们是否赞成这句话，而检验组织表象是否持续诱发违反它的实际判断。
核心命题若只在概念语言中显得新颖，仍可能只是对既有偏差的重新分类。本文因此采用两种彼此独立的压缩方式检验其不可还原性。
第一种是机制压缩：系统是否把“行政条件已满足”误识别为“认识条件已满足”，又把“处分已经完成”误识别为“验证债务已经偿还”？第二种是并存预测压缩：高授权覆盖能否与低证据覆盖并存，高主观覆盖能否与高未验证债务并存，高追责闭合能否与未偿验证债务并存？
责任扩散可以解释检查为何减少，道德缓冲区可以解释可见人类为何吸收责任，多手问题可以解释归责为何困难；但这些近邻均不能单独推出两组方向一致的错换在同一任务链中相继出现。反之，如果联合指纹最终可被任一近邻模型无损预测，或两次替代从不在可链接样本中共同出现，本文就必须撤回统一机制，而不能以新术语保存其独立地位。
设一次人机协作决定包含关键主张集合 C = {c₁, …, c_m}，参与行动的行为者集合为 N = {1, …, n}。系统至少存在三类逻辑上不同的记录。
授权账 A 记录谁有权提出、复核、批准或否决某项主张，以及流程是否达到允许行动的行政条件。它回答“谁可以让决定继续”。
证据账 E 记录每项主张采用何种验证方法、使用何种来源、由谁在何时执行、得到何种独立判断，以及第三方能否重放。它回答“凭什么相信这项主张”。
追责账 B 在损害发生后记录各节点的因果贡献、可预见性、反事实控制能力、道德责任、法律责任与组织处分。它回答“结果发生后谁承担什么后果”。
三账本经常关联。获得授权的人通常应承担相应验证义务；验证证据会影响事后责任；事后调查也会发现验证缺口。然而，关联不等于可兑换。某人签字不能使一项未做的检验变成已做；某人受罚不能改变事故发生前的证据；一份详尽日志也不能把低质量证据变成高质量证据。
对任一关键主张 c_j，令 a_j=1 表示它已满足组织规定的授权条件，令 z_j=1 表示它达到预先规定的证据标准。不可代偿原则表述为：
a_j = 1 不能推出 z_j = 1；B 已闭合不能推出 z_j = 1。
第一条否定从行政完成到认识完成的推导；第二条否定从事后处置到事前验证的逆向补写。它们不是经验规律，而是测量对象的类型约束。经验问题在于：人和组织是否系统性地做出这两种非法兑换，以及这些兑换会不会改变行为和归责。
不可代偿原则也限制本文自身。证据回执的存在仍不等于证据质量合格；因此证据账不能退化为第四种签名表。只有能够指向具体主张、方法、来源、判断和重放入口的记录，才进入证据覆盖。
这里的“账本”是逻辑功能，不预设三份物理文书。三种功能不可压缩，载体却可以压缩：同一技术对象可以同时承载授权与证据，只要合并不丢失二者之间的可区分关系。由此，不可代偿原则从绝对分离要求改写为边界命题：功能不可代偿，载体可以共载；共载只有在证据状态持续约束授权效力时才成立。
为检验载体合并是否真的保存了证据功能，本文引入证据保持耦合（Evidence-Preserving Coupling, EPC）。对关键主张 c_j，令 a_j^E = 1 表示该主张沿“证据充分”路径获得授权；显式风险接受另记为 a_j^R，不得计入证据充分授权。只有同时满足以下四项条件，才记为 a_j^E = 1：
生成约束：只有 z_j = 1 时才能生成 a_j^E；
撤销约束：证据撤回、过期或降级使既有 a_j^E 自动失效并触发重新审查；
重放约束：第三方能够从授权记录重建“主张—来源—方法—判断—决定”的路径；
越权可见：绕过证据门只能进入带理由、权限和时限的 a_j^R 状态，不能伪装成“已经验证”。
在证据充分路径内，耦合关系写作：
“必须上传附件”“必须勾选已检查”或“系统保留点击日志”不满足 EPC，因为它们没有证明附件质量、证据独立性或授权随证据失效而撤销。EPC 不是新增一张表，而是判定同一载体能否无损共载两种功能的边界测试。若满足 EPC 的合并载体与独立证据账等效，理论应放弃“三本账必须物理分离”的强表述；若独立证据账仍有稳定增益，则说明技术耦合没有消除认知或组织层面的行政替代。
为每项主张预先确定风险权重 w_j 与最低证据标准 q_j。只有同时满足以下条件，才记为证据化验证：识别具体主张；记录方法与来源；保存验证者自己的判断及时间；结果可由第三方重放或抽查；多人复核时能区分独立判断与接触前序意见后的判断。
令 z_j=1 表示达到 q_j，否则为 0。证据验证覆盖率为：
EVC = Σ(w_j z_j) / Σw_j。
令 a_j=1 表示主张在授权账上已有明确负责者并完成所需批准，则授权覆盖率为：
AC = Σ(w_j a_j) / Σw_j。
两者使用同一关键主张集合与同一风险权重，因而可以比较。行政替代差额定义为：
ASG = AC − EVC。
ASG>0 只表示授权覆盖超过证据覆盖，不自动证明参与者产生幻觉。为此还需在决定提交前测量参与者对“达到预设证据标准的主张比例”的估计 PVC，并定义：
VCI = PVC − EVC。
未验证债务定义为决定获准进入下游时仍未达到证据标准的风险权重：
VD = Σ[j=1…m] w_j(1 − z_j)。
“债务”不意味着所有主张都必须被无限验证。它只表示组织已经消费了行动权，却尚未支付自己预先承诺的证据成本。若组织明确降低 q_j、记录残余风险并由有权主体接受，该主张属于显式风险接受，而不是隐蔽债务。这个区分防止模型把任何不确定性都病理化。
令 (p_i^{-}) 为决定前参与者对各行为者应承担验证责任的分配，(p_i^{+}) 为事故后对同一行为者集合的归罪分配。对归一化后的正份额，定义标准化熵：
Hp = −Σ(p_i ln p_i) / ln n；RC = H(p⁻) − H(p⁺)。
RC>0 表示事后分配更集中。与早期“归罪守恒”表述不同，本文不预设总归罪量恒定，也不强迫参与者分完 100 分。研究必须另外测量总归罪量、允许“暂不归责”与“无人应受处分”，并把因果贡献、道德责任、法律责任和组织处分分开。只有在总量与分布都没有被问卷机械固定时，责任闭合才是可观察现象。
行政替代发生在行动前：授权账越完整，参与者越容易把“有人负责”转换为“有人已经验证”，使 PVC 上升而 EVC 不变，甚至因冗余可见性而下降。
惩罚替代发生在损害后：制度越要求迅速给出可处分对象，归罪越可能向可见人类节点集中；完成处分又可能提高“问题已经解决”的感受，却不改变 VD，也不必然增加系统性修复。
完整结构因此不是守恒量与非守恒量的类比，而是三种闭合要求的不对称：授权账通常必须闭合，决定才能行动；追责账在事故后受到强烈闭合压力；证据账却可能在两次闭合之间保持开放。两次非法兑换因而具有同一方向——用被要求闭合的账本之完成状态，填补未被同等要求闭合的证据空白。一个未闭合的证据层，被行动前后的两次制度闭合夹在中间。
这仍只是待检验的制度结构，而不是自然律。某些组织允许决定在授权未闭合时暂停，也允许事故调查在暂不处分时保持开放；另一些组织则以证据门强制关闭关键主张。闭合压力的强弱、顺序和对象必须作为制度变量测量。若授权账与追责账并不比证据账承受更强闭合压力，或压力差不能预测两次替代，本文对二者统一性的解释即告失败。
行政替代的机制链为：
授权字段与批准层级增加 → 流程完整感上升 → “他人已经检查”的预期增强 → 独立检验减少或重复集中 → EVC 不足 → PVC 维持或上升。
这里有两个必须分开的通路。其一是行为通路：完整授权表象改变检查努力与覆盖分配。其二是判断通路：即使实际验证行为被固定，完整表象仍可能提高 PVC。第二条通路是覆盖幻觉区别于社会性偷懒的关键。如果只发生努力下降而没有 PVC 偏差，理论应保留冗余监督解释而删除“幻觉”。
惩罚替代的机制链为：
损害与解释压力 → 必须完成处置的闭合要求 → 可见人类节点获得更高归因权重 → 归罪集中或处分完成 → 主观解决感上升，但不能推出 VD 下降。
人类节点显著并不等于归罪一定错误。操作者可能有充分控制、违反明确职责并构成关键原因。本文检验的是：在控制反事实控制能力、证据状态、职位与损害结果后，闭合压力是否仍然增加归罪集中，并把整改预算从证据修复移向个体处分。若所有集中都能由控制能力解释，惩罚替代不成立。
三账本错配不能靠任何一项单独结果成立。其联合指纹为：
高授权覆盖与低证据覆盖并存：AC 上升而 EVC 不升，ASG>0。
高主观覆盖与高未验证债务并存：PVC 上升或维持高位，同时 VD 不降，VCI>0。
高追责闭合与未偿验证债务并存：在实际控制能力和损害相同的情况下，闭合压力降低归罪熵或提高处分完成率，但不降低 VD，并可能减少分配给系统修复的资源。
自动化偏误可以预测错误采纳，社会性偷懒可以预测努力下降，道德缓冲区可以预测人类被集中归责，问责基础设施可以预测程序与角色的重要性；它们都不能单独推出以上三项在同一工作流中的相继出现。反过来，如果三项只能在彼此无关的样本中分别观察，本文也不能宣称找到了统一机制。
联合指纹不是三项结果中任选其一，也不是把两个局部文献传统并排放置后自动得到的统一性。本文只有在以下条件共同满足时，才把行政替代与惩罚替代写作同一机制的前后两相：第一，H1、H2、H6 与 H7 在同一任务链或预先定义的可链接样本中达到方向与最小效应阈值；第二，联合模型相对于自动化偏误、努力下降、可见性归因和一般问责基础设施等竞争模型具有预注册的增量解释或预测效力；第三，事前未验证债务能够链接到事后归责与修复分配，而不是由研究者事后拼接两个无关结果。
裁决不以“共同显著”作为充分条件。确认性标准应同时使用效应方向、最小有意义效应、等效界限、模型比较与跨样本复现。统计显著但低于预设最小效应，或效应完全被单一近邻模型吸收，都不构成统一机制证据。
失败后果分层如下：若只有 H1、H2 成立，保留行政替代，删除“双相”与统一机制表述；若只有 H6、H7 成立，保留惩罚替代，同样删除统一表述；若两组效应分别成立却无法在任务链上链接，视为两个局部模型而非“部分支持”完整理论；若联合出现但没有超出竞争模型的增量，则三账本仅作为测量框架保留。由此，确证端与第 10 节的死亡条件使用同一标准，不能在失败时从严、成功时从宽。
三项联合指纹检验理论在何处成立，EPC 则检验理论在何处必须改写。若授权与证据满足 EPC，行政替代差额应趋近于零，且独立展示证据账不应再显著改善证据覆盖、未验证债务、风险加权错误或第三方重放能力：
其中 Y 包括错误采纳、VD、覆盖校准与第三方重放成功率。若形式上满足 EPC 的载体仍显著差于独立证据账，说明功能虽在代码中耦合，却在认知或组织实践中重新分离；不可代偿原则继续成立，但“技术强耦合足以实现载体压缩”的命题被推翻。若普通附件上传或活动日志便与 EPC 和独立证据账等效，则证据账没有独立理论地位，模型应降级为一般工作流成熟度的测量工具。
1999 年火星气候轨道器任务失败后，NASA 调查报告指出，地面软件的端到端测试似乎未完成，独立验证与确认是否完成并不清楚，特定接口的验证未完成或严谨度不足；报告建议建立覆盖项目要求与接口控制文件的系统验证矩阵[9]。该案例不能被写成“每个局部都正确”。它支持的较窄判断是：团队、规范和评审的存在，不能证明关键接口已经获得足够验证；必须建立从要求或接口到验证证据的可追踪关系。
该案例锚定 AC 与 EVC 的区分，却没有测量参与者的 PVC 或事后责任分布，因而不能单独证明行政替代或双相责任闭合。
美国国家运输安全委员会对 2018 年 Tempe 致死事故的调查发现，测试车辆在自动驾驶系统运行时禁用了原车前向碰撞警告与自动紧急制动，而没有完整替代这些能力；系统依赖车辆操作员介入，却缺乏充分风险控制与监督。委员会把操作员持续查看手机、未监控驾驶环境列为可能原因，同时把公司的风险评估不足、监督无效及公共部门监督不足列为促成因素[10]。
该事故反驳“只怪最后操作者”和“操作者完全无能为力”两个极端。它说明事后责任判断必须同时保存个体行为与系统条件，却仍未直接测量事前授权覆盖、证据覆盖和主观覆盖。本文把它用作责任分布的案例边界，而不是完整理论的证据。
Cymek 系列实验显示，冗余监控可能减少交叉检查，前序判断可见也可能降低后续检查努力[6-8]。临床 AI 研究显示错误建议可以影响不同经验水平的读者，专业能力与系统信念会调节错误采纳[2-3]。两组材料共同要求本文同时控制人际冗余与机器信任。
它们也划定边界：冗余实验没有测量主张级证据和事后归责；临床 AI 实验没有检验授权表象。若本文新增变量不能在这些已知因素之外提高预测或干预效力，三账本模型只是更复杂的记录方式。
异质材料的价值不在于证明所有领域都发生同一种心理偏差，而在于显示三个成熟实践分别建立了不能混用的操作边界。
第一，AHRQ 的 TeamSTEPPS 把责任转移与闭环沟通分开：交接要求接收者知晓自己承担责任；check-back 则要求接收者复述、发送者再次确认，以确保信息被正确理解[19]。即使完成这两步，也只证明责任转移和消息理解，不证明消息内容为真。它提供了从授权账到通信证据、再到事实证据的层级边界。
第二，PCAOB 的审计证据准则要求审计意见建立在充分、适当的证据上，并明确更多同类低质量证据不能补偿证据质量不足；相关性还取决于证据与具体断言或控制目标的关系[20]。这与主张级 EVC 同构：记录数量和批准数量不能补偿关键高风险主张缺乏适当证据。
第三，NASA 的事故调查程序明确把安全调查与民事、刑事、行政归责及纪律处分分开，安全调查的目的在于理解原因并预防复发[21]。这一制度分离说明，学习账与处分账不可替换：完成处分不能证明安全原因已经查明，完成安全调查也不自动决定个体应受何种处罚。
三者共同改变了本文的结论。原来的“守恒错配”把归罪与验证想象成两种量；异质实践迫使理论进一步区分责任转移、信息确认、事实证据、安全学习和纪律处分。跨域对照不是把一个词搬到三个行业，而是让外部制度材料删去了一个过强隐喻，并生成了三账本不可代偿原则。
自动化偏误预测，错误 AI 建议、低能力与失准信任提高错误采纳。本文预测，在模型输出、信任、能力和任务时间均匹配时，授权闭合仍提高 PVC 而不提高 EVC。若效应在控制信任后消失，行政替代并入自动化偏误。
社会性偷懒预测共同工作降低个人努力。本文预测，授权表象在实际行为被固定的材料实验中仍能改变 PVC，而证据准入门可以提高 EVC，即使自报努力不变。若努力与检查时长完全中介全部效应，删除覆盖幻觉的独立机制。
旁观者效应通常预测无结构群体中人数增加降低干预。本文预测，即使角色成文且职责明确，只要证据状态不可见，ASG 仍可能扩大。若正式角色消除效应，前半段降级为责任扩散的组织版本。
责任鸿沟强调自主系统的不可预见性与控制困难。本文预测，固定、可重放且完全可预见的模型输出同样可以出现 ASG 与 VCI。若效应只在不可预见系统中出现，模型并入责任鸿沟。
道德缓冲区与安全研究预测可见但控制有限的人类会吸收责任[5,23]。本文增加一个可删除的后件：这种集中是否在“必须给出处置”的闭合压力下增强，并是否伴随系统修复预算下降。若可见性已解释全部结果，惩罚替代没有独立剩余。
多手问题预测多人参与使归责困难。本文不预设相反结果必然发生，而提出条件性竞争：在无闭合压力时，归责可以悬置；在强闭合压力时，归责可能集中。闭合压力与多手程度的交互方向是判决点。若多手程度始终只增加悬置，删除责任闭合机制。
分布式认知解释认知如何跨人、工具和表征实现[11]，但不必然预测一种账本会被当作另一种账本。若一般任务分布与表征质量已能无损预测 ASG、VCI 和 RC，本文只是其应用。
问责基础设施理论已说明角色和程序必须被实际动员[22]。本文只有在“主张级证据状态”比一般基础设施成熟度产生更强区分性预测时才有增量。若组织层成熟度量表与三账本指标等效，删除新命名，保留测量建议。
审计追踪回答活动是否可重建；证据账回答主张是否达到预设证明标准。若普通点击日志、过程日志和主张级证据回执在错误检测、覆盖校准及复核重放上等效，则证据账没有必要。反之，仅仅采用加密或不可篡改日志也不自动通过检验，因为防篡改只能保证已记录内容没有被改写，不能保证未记录的验证确实发生。
H1 行政替代。 在模型、任务、能力、总时间和实际证据状态相同的条件下，完整授权账比不完整授权账产生更高 PVC；其对 EVC 的效应显著更小，因而扩大 VCI。
H2 非守恒可见性。 显示逐主张证据状态，包括明确显示“0 次独立验证”或“证据冲突”，比只显示角色与批准状态更能降低 VCI 并减少未验证主张进入决定。
H3 证据否决权。 允许系统把未达 q_j 的高风险主张置于“暂停/升级”状态，比强迫二元批准或拒绝更能降低 VD；该效应不能完全由额外时间解释。
H4 独立性效应。 先独立判断、后查看前序意见，比全程可见前序意见产生更高非重复证据覆盖；效应在低发生率错误和高模型可靠性条件下更强。
H5 信任非充分性。 信任校准降低部分错误采纳，但在不改变证据准入条件时，对 ASG 和 VCI 的改善小于逐主张证据门。
H6 责任闭合。 在损害、职位、可见性与反事实控制能力相同的条件下，“必须确定处分对象”的闭合压力比“允许暂不归责、优先查明系统原因”的条件产生更低归罪熵和更高处分完成率。
H7 惩罚替代。 个体处分完成会提高主观解决感，但在没有证据修复措施时不降低 VD；并且在固定整改预算下，处分闭合可能减少分配给验证系统修复的资源。
H8 证据账的双向校准。 公开事故前真实证据账不仅降低不当归罪集中，也能在操作者确有充分控制且跳过验证时提高对其有根据的责任。证据账不是天然替人免责，而是使归责更接近控制与行为证据。
H9 联合指纹。 只有当 H1、H2 与 H6、H7 在同一任务链或预先定义的可链接样本中达到方向与最小效应阈值，并且联合模型相对于近邻竞争模型提供预注册的增量解释或预测效力，三账本错配才获得统一机制地位。分散在互不相干场景中的局部结果、仅有统计显著而无最小效应、或被单一近邻模型完全吸收的联合结果，均不足以确认完整理论。
H10 条件共载。 当授权动作与主张级合格证据满足 EPC 时，AC 与 EVC 应趋于一致、ASG 应趋近于零；与 EPC 共载系统相比，另设独立证据账不应再显著改善 EVC、VD、错误采纳率或第三方重放成功率。若独立证据账仍有稳定增益，则载体共载不足以突破不可代偿边界。
在主实验前，由领域专家、方法专家与一线使用者分别标注任务中的关键主张、风险权重 w_j 与最低证据标准 q_j。三组先独立标注，再在不知道实验假设的条件下讨论分歧。只有达到预设内容效度与评分者一致性门槛的主张进入实验。
这一先行研究解决两个风险：研究者不能在看到结果后改变什么算“关键”，也不能把复杂专业判断压成机械复选框。若不同角色无法对主张边界与最低证据达成可用一致性，主研究暂停，EVC 不得被当作有效测量。
在不影响真实患者、客户或公共权益的模拟高风险任务中，采用 2×2×2 组间设计：
授权账闭合：全部角色、签名与批准层级完整显示 / 仅显示必要操作信息；
证据账可见：逐主张显示验证方法、独立来源数与“未验证/冲突”状态 / 不显示主张级状态；
准入规则：未达证据标准可暂停并升级 / 必须在时限内批准或拒绝。
模型版本、输出准确率、任务集合、总团队时间、资料访问权限、界面复杂度与奖励保持一致。为排除视觉权威启动，设置与责任无关但视觉密度相同的安慰剂界面；为排除额外思考时间，记录并匹配有效工作时长；为排除学习新奇性，先进行不计分的界面熟悉任务。
主要结局为 EVC、AC、ASG、PVC、VCI、VD 与风险加权错误采纳率。次要结局包括独立来源数、重复验证率、检查时长、模型信任、个人自信、他人已检查预期和暂停/升级使用率。主张嵌套于任务与参与者，使用广义线性混合模型；对授权账闭合影响 PVC 的直接通路和经由检查行为的间接通路分别估计。
样本量不以预设“降低 30%”之类的无来源数字决定。先导样本只用于估计基线率、组内相关、量表信度与退出率；主研究在查看确认性结果前，以最小有意义效应、双侧检验、90% 检验力和多重比较方案冻结。若资源不足，应减少因素或采用序贯设计，不得事后放宽门槛。
研究一 B 使用与研究一相同的关键主张集合、风险权重、模型输出与资料预算，只改变授权和证据的耦合方式：
仅有授权：角色、签名与批准链完整，但不要求证据对象；
附件式合规：批准前必须上传附件或勾选“已检查”，系统不判断其与具体主张的关系和质量；
EPC 共载：证据达到 q_j 才生成 a_j^E，证据失效时授权自动撤销，路径可重放，越权进入显式风险接受；
独立证据账：证据账与授权界面物理分离，并由相同的 q_j 和准入门控制。
主要检验不是四组均值的任意差异，而是预注册等效关系。若前两组显著差于后两组，说明普通程序记录不能替代证据；若 EPC 共载与独立证据账在 EVC、VD、风险加权错误和重放成功率上落入预设等效界限，说明功能不可代偿但载体不必分离；若附件式合规、EPC 共载与独立证据账均等效，则删除证据账的独立地位；若 EPC 共载仍差于独立证据账，则拒绝“技术强耦合足以压缩载体”，并进一步检验界面认知、组织信任或绕过行为是否重新制造行政替代。
等效界限由研究零的最小有意义效应和领域风险容忍度确定，不以“不显著”冒充等效。确认性分析同时报告意向处理与按协议结果；任何绕过 EPC 的案例单独进入机制失败分析，而不能从主分析中删除。
研究二要求参与者先经历或观察一次真实感较高的协作决定，再接收结果揭示，以避免用两个无关问卷拼接“双相”机制。行动前记录其 (p^{-})、PVC 和对各节点控制能力的判断；事故后随机操纵：
追责闭合压力：必须在本轮确定处分对象 / 允许暂不归责并优先提出待查证问题；
事故前证据账：完整公开 / 只有批准日志；
最后操作者的反事实控制能力：高 / 低。
问卷不强制参与者分完 100 分。参与者分别评价总因果贡献、总道德责任、总处分必要性，并可选择“证据不足，暂不判断”或“无人应受处分”；随后才对获得正份额的节点分配比例。主要结局为 RC、总归罪量、归责悬置率、处分完成率、归责与专家控制能力向量的距离、主观解决感，以及固定整改预算在个体处分、培训、界面修复、证据系统和模型改进之间的分配。
H7 的关键对照不是“有没有惩罚”，而是惩罚完成后 VD 是否被误认为下降、系统修复资源是否减少。若处分只改变合理的道德评价而不改变主观解决感和修复选择，惩罚替代不成立。
只有研究一和研究二的核心结果获得支持后，才进入不直接决定诊疗、自由或重大财产权益的 AI 辅助质检流程。以团队为集群，分阶段从现有角色审批切换到主张级证据账与暂停/升级门。观察期至少覆盖初期学习、稳定使用和可能的形式主义适应；主要指标为盲态专家复核的关键错误、EVC、VD、重复覆盖与净审核时间，次要指标为延迟、工作负荷、绕过行为、隐私感受和员工提出异议的意愿。
采用阶梯楔形或在满足平行趋势时使用差分中的差分设计，记录模型更新、人员流动与任务难度变化。低发生率流程不以“零事故”证明成功，可使用无下游效力的影子案例与抽样复核估计检测能力。影子错误不得进入真实决定链。
建立三类公开文本语料：航空与航天安全调查、医疗安全事件分析、具有与不具有强制个人问责要求的组织事后报告。盲态编码授权记录密度、主张级证据密度、个体与系统原因比例、归责对象分布、处分建议和系统修复建议。
该研究检验适用边界而非替代实验因果识别。核心预测是：强个人处置压力与低证据密度的组合，最容易产生高个体归责集中和低系统修复比；若这一关系在不同制度中不存在，惩罚替代应收窄为实验室判断效应。
授权账、证据账和准入规则可能交互，不能把相邻条件的恢复差直接相加为每一本账造成的因果损失。只有当操纵顺序随机、总时间与信息预算匹配、后续环节未被额外改变时，才作因果解释；否则只报告可恢复性剖面与交互残差。
中介分析不把统计中介自动写成心理机制。授权闭合经由“他人已检查预期”影响 PVC 的路径，必须在时间顺序、操纵检查和替代中介比较中同时成立。若一般权威感、界面美观或组织信任能够完全替代该中介，删除行政替代的特定心理解释。
所有确认性模型至少包含以下竞争变量：模型信任、专业能力、自信、实际检查时长、协调成本、一般权威感、责任扩散、操作者可见性与反事实控制能力。完整模型必须在留出任务中优于只包含自动化偏误、社会性偷懒或人员中心归因的简化模型；比较指标、等效界限与停止规则在预注册中冻结。
研究材料、排除规则、代码本、分析脚本和去标识数据应在法律与伦理许可范围内公开。确认性与探索性分析分开报告。若领域数据不能公开，应提供合成复现数据、变量字典、模型代码与独立审计入口。任何无法重放的关键分析只能作为补充证据，不能承担核心命题。
本文不把任何结果都解释为“三账本错配”。以下结果触发明确删改：
角色充分：仅明确角色便与主张级证据账在 EVC、VD 和错误率上等效。删除行政替代，论文退回责任配置理论。
无覆盖差额：跨任务中 PVC 与 EVC 始终校准，授权闭合不扩大差距。删除验证覆盖幻觉。
信任完全解释：控制模型信任、能力和自信后，VCI 不再预测错误采纳。并入自动化偏误。
努力完全解释：检查时长、独立来源数和社会性偷懒指标完全中介全部结果，授权表象对固定行为材料的 PVC 无效。删除行政替代的判断通路。
日志等效：普通活动日志与主张级证据账在错误检测、覆盖校准和第三方重放上等效。删除证据账的独立治理价值。
暂停无增益：允许“暂停/升级”只增加延迟，不降低 VD 或风险加权错误。删除证据否决权建议。
无责任收缩：事故后归罪不比事前责任更集中，或集中完全由控制能力与行为证据解释。删除责任闭合。
无惩罚替代：处分完成不改变主观解决感、系统修复预算或对验证缺口的判断。删除惩罚替代，保留有根据的事后归责研究。
多手方向胜出：闭合压力不改变归责悬置，参与节点增加只提高不确定性。责任后半段并入多手问题。
统一机制失败：事前与事后效应只能在不可链接的任务中分别出现；或虽共同出现却未达到最小效应阈值、不能链接同一验证债务、且未提供超出竞争模型的增量效力。撤回“双相”与统一理论，按结果只保留行政替代、惩罚替代或一般测量框架。
现场反转：实验室效应在多个低风险真实流程中不复现，且差异不能由任务、激励或实施质量解释。论文降为受控界面效应。
治理净伤害：证据账带来的延迟、隐私侵害、形式主义或噤声，在预设效用函数中持续超过错误减少与归责校准收益。即使机制成立，也不得推荐部署。
载体独立性失败：满足 EPC 的授权记录在 EVC、VD、错误检测、覆盖校准和第三方重放上与独立证据账等效，且独立证据账不再提供增量预测。删除“三本账必须物理分离”的表述，将理论改写为“三种治理功能逻辑上不可代偿，但可以由同一证据保持型载体共同实现”。若普通附件或活动日志也达到同样等效结果，则进一步删除证据账的独立理论地位，并将模型降级为一般问责基础设施的测量工具。
局部失败只删除相应部分，不能用“仍需更多研究”掩盖。第 2 条推翻覆盖幻觉；第 7、8 条删除事后机制；第 10 条推翻统一性；第 13 条迫使理论放弃物理分离要求，必要时进一步删除证据账的独立地位；第 1、3、4、5、9 条分别把创新残差还原给更接近的既有理论。
一旦证据回执进入绩效目标，参与者可能生产更多记录而非更好验证。系统必须抽查证据的独立性、相关性、质量和可重放性，不得以记录数量奖励个人。否则证据账会退化为新的授权账：“格子填满”再次冒充“主张已证”。
记录谁在何时查阅何种材料，可能侵犯员工隐私并制造寒蝉效应。最小化原则要求只保存与高风险主张有关的必要证据，区分探索性异议与正式结论，设置访问权限、保存期限、纠错和申诉机制。无法证明治理收益的数据不得因“以后可能有用”而无限保存。
更细的证据账可能被组织用来更快找到一个人，而不是修复系统。证据首先用于判断覆盖与控制结构；个体处分必须另行考虑权限、时间、可预见性、培训、工作负荷和组织设计。证据账既不能替人天然免责，也不能把最容易记录的人变成默认责任人。
高风险治理不应假装所有主张都能在截止时间前确定。真正的闭环不是把每一格强制填成“通过”，而是让“未验证”“证据冲突”“风险已显式接受”和“暂停升级”成为合法状态。一个允许诚实开放的证据账，比一个被迫闭合的完美仪表板更安全。
人机协作最危险的失败，不总是机器给出错误答案或人类作出错误判断。它也可能发生在一种更平静的状态中：角色都已命名，审批都已完成，参与者相信系统已经有人照看，但一句决定结果的主张从未获得可核验的证据。
“错误没有主人”只描述了事故生成时的一半事实。行动前，验证可能没有真实执行者；损害发生后，制度又可能迅速找到一个归罪对象。本文不再用“归罪守恒、验证非守恒”的物理学类比把两者绑在一起，而是提出更严格的三账本模型：授权账、证据账和追责账回答不同问题，三种功能不能互相抵账，却不必永远分居于三份文书。功能不可压缩，载体可以压缩；只有证据生成授权、证据失效撤销授权、路径可重放且越权显式可见时，共载才不构成替代。现实风险来自两次非法兑换——行动前以签名替代证据，事故后以惩罚替代修复。
这一模型改变了治理的最小单位。人工在环不能由流程图中的一个人证明；监督密度不能由审核者人数证明；可追责性不能由日志长度证明；事故处理也不能由是否处分了某个人证明。真正需要回答的是：哪些高风险主张被谁以何种独立证据验证；哪些主张在证据仍开放时获得了行动许可；事故后归责是否与反事实控制能力相称；以及处分完成后，原有验证债务究竟减少了多少。
当前证据只锚定机制链的局部环节。完整理论只有在预注册研究中同时出现行政替代、覆盖幻觉、责任闭合与惩罚替代，并在同一工作流中形成超过竞争模型的联合指纹，才获得经验地位。它还必须经受方向相反的边界检验：联合指纹裁决两次替代能否被称为统一机制；EPC 裁决三种功能是否必须由三个独立载体实现。若 EPC 共载与独立证据账等效，就放弃物理分离要求；若普通附件也等效，就删除证据账的独立地位。理论最终要求的不是更多签名，也不是更快找到主人，而是拒绝让签名冒充证据、让惩罚冒充修复，同时允许现实中的有效耦合改变理论自身。
研究透明度说明
本文是一篇理论与研究设计论文。事故调查、既有实验与制度文件只支持机制链的局部环节；拟议实验、现场研究和档案研究均尚未执行。公式用于明确测量对象、竞争关系和删改条件，不应被理解为已经完成效度检验的量表。三种账本功能不可代偿首先是记录类型的逻辑约束；载体能否在 EPC 条件下无损共载、行政替代、惩罚替代及其统一性则是尚待经验裁决的假设。任何部署建议都应以预注册、伦理审批、独立复现和领域评审为前提。
[1] U.S. Food and Drug Administration. Clinical Decision Support Software: Guidance for Industry and Food and Drug Administration Staff[EB/OL]. 2022-09-28. https://www.fda.gov/media/109618/download
[2] KÜCKING F, HÜBNER U, PRZYSUCHA M, et al. Automation Bias in AI-Decision Support: Results from an Empirical Study[J]. Studies in Health Technology and Informatics, 2024, 317: 298-304. https://doi.org/10.3233/SHTI240871
[3] DRATSCH T, CHEN X, REINERT C P, et al. Automation Bias in Mammography: The Impact of Artificial Intelligence BI-RADS Suggestions on Reader Performance[J]. Radiology, 2023, 307(4): e222176. https://doi.org/10.1148/radiol.222176
[4] MATTHIAS A. The Responsibility Gap: Ascribing Responsibility for the Actions of Learning Automata[J]. Ethics and Information Technology, 2004, 6(3): 175-183. https://doi.org/10.1007/s10676-004-3422-1
[5] ELISH M C. Moral Crumple Zones: Cautionary Tales in Human-Robot Interaction[J]. Engaging Science, Technology, and Society, 2019, 5: 40-60. https://doi.org/10.17351/ests2019.260
[6] CYMEK D H. Redundant Automation Monitoring: Four Eyes Don’t See More Than Two, if Everyone Turns a Blind Eye[J]. Human Factors, 2018, 60(7): 902-921. https://doi.org/10.1177/0018720818781192
[7] CYMEK D H, MANZEY D. Sequential Human Redundancy: Can Social Loafing Diminish the Safety of Double Checks?[J]. Journal of Experimental Psychology: Applied, 2022, 28(4): 931-945. https://doi.org/10.1037/xap0000439
[8] CYMEK D H. Effects of Blinded and Nonblinded Sequential Human Redundancy on Inspection Effort and Inspection Outcome in Low Prevalence Visual Search[J]. Scientific Reports, 2024, 14: 23003. https://doi.org/10.1038/s41598-024-72210-8
[9] MARS CLIMATE ORBITER MISHAP INVESTIGATION BOARD. Mars Climate Orbiter Mishap Investigation Board Phase I Report[R]. Washington, DC: NASA, 1999. https://llis.nasa.gov/llis_lib/pdf/1009464main1_0641-mr.pdf
[10] NATIONAL TRANSPORTATION SAFETY BOARD. Collision Between Vehicle Controlled by Developmental Automated Driving System and Pedestrian, Tempe, Arizona, March 18, 2018[R]. NTSB/HAR-19/03. Washington, DC: NTSB, 2019. https://www.ntsb.gov/investigations/accidentreports/reports/har1903.pdf
[11] HUTCHINS E. Cognition in the Wild[M]. Cambridge, MA: MIT Press, 1995.
[12] NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY. Artificial Intelligence Risk Management Framework (AI RMF 1.0)[R]. NIST AI 100-1. Gaithersburg, MD: NIST, 2023. https://doi.org/10.6028/NIST.AI.100-1
[13] NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile[R]. NIST AI 600-1. Gaithersburg, MD: NIST, 2024. https://doi.org/10.6028/NIST.AI.600-1
[14] SKITKA L J, MOSIER K L, BURDICK M. Does Automation Bias Decision-Making?[J]. International Journal of Human-Computer Studies, 1999, 51(5): 991-1006. https://doi.org/10.1006/ijhc.1999.0252
[15] PARASURAMAN R, MANZEY D H. Complacency and Bias in Human Use of Automation: An Attentional Integration[J]. Human Factors, 2010, 52(3): 381-410. https://doi.org/10.1177/0018720810376055
[16] GODDARD K, ROUWET E, WYATT J C, et al. Automation Bias: A Systematic Review of Frequency, Effect Mediators, and Mitigators[J]. Journal of the American Medical Informatics Association, 2012, 19(1): 121-127. https://doi.org/10.1136/amiajnl-2011-000089
[17] DARLEY J M, LATANÉ B. Bystander Intervention in Emergencies: Diffusion of Responsibility[J]. Journal of Personality and Social Psychology, 1968, 8(4): 377-383. https://doi.org/10.1037/h0025589
[18] THOMPSON D F. Moral Responsibility of Public Officials: The Problem of Many Hands[J]. American Political Science Review, 1980, 74(4): 905-916. https://doi.org/10.2307/1954312
[19] AGENCY FOR HEALTHCARE RESEARCH AND QUALITY. TeamSTEPPS: Communication - Overview of Key Concepts and Tools[EB/OL]. Rockville, MD: AHRQ. https://www.ahrq.gov/teamstepps-program/curriculum/communication/overview/index.html
[20] PUBLIC COMPANY ACCOUNTING OVERSIGHT BOARD. AS 1105: Audit Evidence[S/OL]. Washington, DC: PCAOB. https://pcaobus.org/oversight/standards/auditing-standards/details/AS1105
[21] NATIONAL AERONAUTICS AND SPACE ADMINISTRATION. NPR 8621.1B: NASA Procedural Requirements for Mishap and Close Call Reporting, Investigating, and Recordkeeping[S/OL]. Washington, DC: NASA, 2013. https://nodis3.gsfc.nasa.gov/displayAll.cfm?Internal_ID=N_PR_8621_001B_&page_name=all
[22] HUISING R, SILBEY S S. Accountability Infrastructures: Pragmatic Compliance Inside Organizations[J]. Regulation & Governance, 2021, 15S1: S40-S62. https://doi.org/10.1111/rego.12419
[23] HOLDEN R J. People or Systems? To Blame Is Human. The Fix Is to Engineer[J]. Professional Safety, 2009, 54(12): 34-41. PMCID: PMC3115647.
本文与九类近邻各自划过界，但有两族最近的祖宗没有上桌，补切如下。这两族都不推翻本文，却各自吃掉它的一段主张，须先交割清楚，剩下的才是本文真正的增量。
其一：Reason 的组织事故理论与 Dekker 的公正文化（just culture）。 Reason 早已把事故解释分为「人的模型」与「系统的模型」，并论证追究个人会阻断系统学习；Dekker 进一步把公正文化分为报应性与修复性两种，指出「找到一个可处分的人」与「修复产生错误的条件」是两件在制度上相互竞争的事。这几乎就是本文「惩罚替代」的原型。分离线在测量对象：公正文化处理的是处分决定是否公正（谁在什么条件下应当被追究），本文处理的是处分完成之后未验证债务是否被误认为下降——前者是规范问题，后者是一个可测的知觉与资源分配后果（主观解决感、整改预算在个体处分与证据系统之间的分配）。判决性对照预测：在一个已实施成熟公正文化、明确不以处分替代系统改进的组织中，若 VD 在处分完成后仍被系统性低估、且整改预算仍从证据修复移向个体处分，则本文的惩罚替代具有超出公正文化的独立效力；若公正文化的成熟度已能完全预测这两项，本文的后半段应并入公正文化研究，只保留测量工具的贡献。
其二：软件与系统工程的需求可追溯性矩阵（requirements traceability matrix）与验证覆盖。 本文所引的火星气候轨道器调查报告本身就建议建立「覆盖项目要求与接口控制文件的系统验证矩阵」——这意味着「从主张到验证证据的可追踪关系」在工程实践中已有半个世纪的成熟形态，本文的 EVC 在形式上是它向人机协作决策的一次移植。分离线在两处：可追溯性矩阵的对象是预先写定的需求条目（集合封闭、由文档产生），本文的关键主张是在决策过程中临时浮现的可判真假的命题（集合开放、须由研究零的领域校准现场界定）；且可追溯性矩阵不预测任何知觉后果，本文的核心经验主张恰恰是「矩阵越完整、主观覆盖越高而实际覆盖不变」。判决性对照预测：把成熟的可追溯性矩阵原样搬进 AI 辅助决策流程，若 ASG 与 VCI 随之趋近于零，则本文只是工程实践的重新命名；若矩阵完整度反而与 VCI 正相关，则「完整表象转化为覆盖幻觉」这一判断获得工程学之外的独立支持。
附带两条更远但值得记账的近邻：Vaughan 的越轨正常化（偏差如何在一次次「这次也没事」中被重新定义为可接受）与 Turner 的灾难孵化期（未被处理的信号在事故前长期积累）。二者与本文「未验证债务在两次闭合之间累积」同型，但都不区分授权闭合与证据闭合，因而不生成本文的联合指纹。
本文与作者已发表的三篇同线论文存在可预期的读者混淆，此处逐条划界。作者本人未在正文中互引，以下分工由编辑标出，不代表作者的原始主张。
与《最后一次点击之前》（选项承接、路径效力与责任分配）：那篇问的是「一个选项在什么条件下算被人真正承接了」，因变量是路径效力与责任归属；本文问的是「一项关键主张在什么条件下算被验证了」，因变量是证据覆盖与未验证债务。二者可以在同一次决策上给出相反的读数——一个选项可以被完整承接（承接方明确、可追溯），而支撑它的关键主张一条都没有独立证据。这一格恰恰是本文的 ASG>0。
与《当过去不再代表现在》（身份修订、效力复发与履行审计）：那篇的审计对象是已被撤回的内容是否仍在充当输出的理由（时间轴上的效力残余）；本文的审计对象是从未被验证的内容是否已在充当决定的理由（从未进入过效力的空缺）。前者要测撤回后的残余率，后者要测进入前的覆盖率，两者的失败形态互不覆盖。
与《众声如何成为众智》（独有信息的选择性传递与因果保真）：那篇处理信息在多智能体之间传递时的保真损失，本文处理证据在同一决策链内被记录类型替换。判据很干净：那篇的损失发生在传递，本文的损失发生在登记——即使信息完整传递到每一个节点，只要没有任何节点对它执行与风险相称的独立核验，本文的债务仍然成立。
本站在不改变作者判断与论证结构的前提下，对投稿原稿做了以下技术性校订，逐条列出以备复核：
一、原稿题下的说明性长题（「人机协作中的验证覆盖幻觉、三账本错配与双相责任闭合」）重复出现两次，属导出重复，删去一处。
二、第 3.1、3.3、3.4 节的形式符号在文档导出时大面积丢失（原稿出现「令 表示该主张沿证据充分路径获得授权」「只有 时才能生成 」这类空缺），已依据上下文与第 8 节的对应表述补回 a_j^E、a_j^R、z_j、w_j、q_j 等记号；同时清理了 (C={c_1,,c_m}) 一类的排版残留。此项改动只恢复符号，不改动任何定义。
三、第 5.4 节有一处借用本站方法论名词描述跨领域材料的作用，已改为「跨域对照」，以免与本站词汇混读。
四、正文与文献表逐条核对：23 条文献均属实，正文 [N] 标记与文献表一一对应，未发现杜撰的章节、页码或期刊。火星气候轨道器（1999 NASA 调查报告）、Tempe 事故（NTSB/HAR-19/03）、PCAOB AS 1105、AHRQ TeamSTEPPS、NASA NPR 8621.1B 五处制度材料均可按所附链接复核。
五、本文自述为「理论建构与研究设计论文」，五项拟议研究、现场研究与档案研究均尚未执行；作者已在文末「研究透明度说明」中主动交代这一点，此处再次提示读者按此定位阅读。