自我校正机制压测

往 204 条真实前置边里注入 51 条已知为假的边，合成不同规模的学习者队列，看检出率与误报率随规模怎么变。真相已知，所以能同时测出「抓得到吗」和「会不会冤枉好边」。

压测结论加学习者没用

从 30 人加到 500 人，检出率始终在 4% 上下。瓶颈不是样本量 —— 是判定用的统计量本身分不开真假边。

检出率 vs 队列规模

学习者	可判定	假边检出	检出率	假边被判 supported	假边 c 行比例	真边 c 行比例
30	31%	1 / 51	2%	5	0.177	0.011
60	71%	0 / 51	0%	19	0.105	0.016
120	81%	2 / 51	4%	19	0.147	0.013
250	84%	0 / 51	0%	21	0.130	0.015
500	91%	1 / 51	2%	31	0.100	0.010

阈值定在 0.30，而两类边的实测值都在 0.10 以下。假边 0.100、真边 0.010 —— 检验的判据落在数据根本到不了的区间，所以永远不触发。
根因：c/(c+d) 被「K 本身有多难」主导，不是被「P 是否必要」主导。K 难，则不管 P 必不必要，没掌握 P 的人本来也大多没掌握 K。
两行之差有区分度：假边 0.430 vs 真边 0.545。把「掌握 P 的人里有多少学会了 K」当基线，差值才反映真实的依赖强度。
更糟的是标签：31 条已知为假的边被判成 supported。模块文档里写明 supported 只表示「暂无反证」，但产品上没人会这么读 —— 它会被当成「数据验证过」。

这不是模拟的问题，是判据的问题。

我先怀疑过两个别的原因，都排除了：把学习者能力差异压到零，检出率不变；把每节点作答次数从 3 次加到 15 次，检出率仍是 0。真正的原因是判据落在数据到不了的区间。

阈值必须相对基线校准，不能取固定数。改判据为两行之差（或优势比），并用真实数据定阈值。
照搬 component_evidence 的经验零分布。后建的那个模块用 placebo_band() 拿本体判定无关的节点对跑同样的检验，得出「无关时能跑出多少」，那才是真实的判据门槛。两个模块解决的是同一类问题，先建的那个还没有这道防护。
在有真实数据校准之前，supported 这个标签应该改名或不对外暴露。「暂无反证」和「已验证」的距离，比字面差异大得多。