单次采样与多次采样口径的区别

同一提问两次回答的文本相似度可能只有约 0.25，接近全文重写级——单次采样与多次采样两种口径的分道，就在这个量级上。单次采样读的是一次抽签的结果，把它连成曲线，涨跌里绝大部分是解码与检索的随机性；多次采样把随机性摊平进聚合值，命中率才成为可读的量。两者的差距不是精度差一点，而是会不会系统性制造假涨假跌：一轮一次的监测会在噪声里挑出「规律」，这是监测工程里最贵的口径错误，完整机制见采样方差。

对照表

一轮一次为什么必然制造假涨假跌

机制要从随机性的来源说起。生成式引擎的输出至少叠加三层随机：解码采样的随机、检索链条（改写、召回、重排）对时间与上游索引状态的敏感、会话画像对输入的改写——一轮一次的监测等于把三种噪声全数灌进时间序列。今天提到你、明天消失，在概率事件里毫无信息量，但它恰好是汇报事故的高发区：「我们上 AI 了」的截图，多数是长尾名单的一次随机命中。反向的假跌同理：索引没掉、内容没动，只是这一次抽签没抽中。这种口径最贵的后果是训练出错误的组织记忆——团队在噪声里挑规律，把随机命中当战术有效、把随机落选当动作失败，预算跟着噪声走，纠错的成本远高于当初多采样几次的成本。

单次采样还剩什么用

单次不是不能用，是用错地方的问题。定性筛查用它：看某台引擎的答案长什么样、竞品的叙述怎么写、引用列表里都有谁——这类问题的答案不怕随机，看一次就有概念。新问法探测用它：一条新探针先单次跑几天，确认答案结构稳定、问题有区分度，再决定是否进主集——主集的题一旦进入多采样序列，每一次采样都在花预算，进集前的单次侦察是在为这笔预算把关。会话式的临时核查、投诉式的单点求证也属于这类。判断标准一句话：问题问的是「长什么样」，单次够用；问的是「变没变」「谁多谁少」，必须聚合。

两种口径的组网

成熟的监测体系不是二选一，是分层组网。多采样聚合层管正式读数：固定问句集按既定频率多天采集，聚合出提及率与引用率的趋势带，一切对上汇报的数字从这里出。单次侦察层管信息输入：新问法探测、竞品叙述变化、异常日的快速定性——这些单次读数不进正式序列，以「观察记录」的形态留档，供解释聚合层读数时取用。两层之间有一条单向通道：单次层发现的候选问法，经过并行观察窗验证后升入聚合层；聚合层出现的异常，派单次层去做快速定性。这样组网之后，单次的便宜与多次的稳各司其职，假涨假跌失去了进入正式报表的通道。组网的成本核算也要跟上：侦察层的预算单列，不能挤占聚合层的采样次数——那是这条纪律最常见的死法。

多次采样的纪律与折中

多次采样不是无脑多问，纪律有三条。第一，报区间不报单点：核心指标给波动带，涨跌先看是否出带，带内变化一律按噪声处理；采样少于既定次数的格子不做环比，写「不报」。第二，分母如实：当日采集失败记缺失而不是零，「没测到」与「没提及」混用一次，整条序列的可信度清零。第三，预算优先级：先保采样次数，再保提问数量，最后才是引擎数量——方差不治理，铺再多的题都只是在收集噪声。折中方案对预算紧张的团队友好：核心题高密度、长尾题基础频率，把采样火力集中在决定汇报结论的少数题目上，这不是精度让步，是把有限样本用在读数权重最大的地方。

还有两层配套。其一，基线与复测按同一口径建：基线期预留观察窗、把波动带一起冻结，复测的涨跌才有资格跟真变化对账，方法见基线测量。其二，多次采样治的是随机噪声，治不了结构性断点——引擎静默升级换血会让整个波动带迁移，那是另一类必须单独识别的假涨跌，处理见模型版本漂移。随机性的底层机制见温度、解码与可复现性，答案稳定性自身的度量见答案一致性，三条纪律落进报表的字段规范见监测指标体系实操。采样频率还有一个预算外的约束：登录态实采的每一次提问都在消耗采集账号的会话画像与风控余额，频率上去、账号寿命下来，「单样本加长窗口」本质是口径连续性优先于单日精度的取舍。