四位作者的預印本說，在準確度相近的模型群裡挑一個，就能翻轉一部分個別預測，又通過只查整體表現的黑箱稽核；實驗限表格資料與樹模型。

概念插圖：一條從左側牆上掛鉤拉出的繩子上，用兩個木夾並排掛著兩張畫板，每張頂端都有黑底白字寫著 PREPRINT 的橫條，畫中都是一位深色及肩頭髮、頸掛識別證的人舉著一塊夾板，坐在一台螢幕上有對話框的黑色筆電後面。每張畫板下方都有兩個敞口托盤，寫著 HELOC 的紅色資料夾在左邊畫板裡放在左側托盤，在右邊畫板裡放在右側托盤，另一個托盤是空的。圖上印著：61.9% HELOC可翻轉，容差5%，作者自報。

只看整體表現的黑箱稽核，在這篇的實驗裡擋不住有心挑模型的一方；白箱稽核擋得住直接改參數。論文還沒經同儕審查。論文把這個現象叫對抗式多重性：一群準確度差不多的模型，對個別案例的預測可以不一樣，有動機的一方就能挑出最有利的那個；先前文獻把這種多重性當成可以兼顧公平的正面特性，這篇反過來用。作者在 HELOC（約 1 萬名信貸申請人）、COMPAS（5,278 名被告）等資料集上實測：直接改樹模型參數時，驗證集裡每一個人的決定都可以翻轉，整體誤差只差 1%；另一型是只動超參數與特徵工程的「軟」挑選。容差是挑出的模型整體表現可以比原模型差多少。軟挑選在容差 5% 時，HELOC 有 61.9% 的測試個體可翻轉；容差收緊到 1% 時降到 12.8%。黑箱稽核只量整體表現，個別預測被翻轉不會反映在這個指標上；白箱稽核擋得住直接改參數那一型。大型神經網路沒測（arXiv 2611.07378，2026-11）。怎麼查的 →

出處與查證

這則刊在2026年11月7日的晨報，同一期還有 13 則。查證經過、引句核對與當天缺的資料，記在那一期的本日驗證。

引用這則

SecondSource（2026），〈四位作者的預印本說，在準確度相近的模型群裡挑一個，就能翻轉一部分個別預測，又通過只查整體表現的黑箱稽核；實驗限表格資料與樹模型。〉，https://secondsource.io/research/2026-11-07-3/，取用日期取用。