PRIMARYshared_rank1 · Cauchy · P(T=1)=.05
Effect MedAEAB-HTE d=1Matched Direct
Held-out error0.06500.1146
Direct − AB+0.0497
95% paired interval[0.0282, 0.0711]
seed wins9 / 10
geometric ratio1.91×
STAGE RESULT · CONFIRMATORY COMPLETEABHTE-BINARY-ADVANTAGE-2026-07-17-V1
Binary treatment 下，Unit Abduction 何时真正占优？
答案不是一个 universal winner，而是两条边界清楚的条件优势： shared rank-one geometry 带来可识别 location 层的有限样本 partial pooling； declared same-token coupling 让 fixed abduction 消掉 effect contrast 中共同的 latent uncertainty。 前者由 arm marginals 定义；后者属于 factual data 无法单独识别的 joint effect law。
一句话结论
两种优势，两种识别地位。
Rank-one 结果说明何时结构化共享可以改善已识别的 response-location contrast； same-token 结果说明何时跨世界复用一个 latent token 可以得到更正确的 effect-law uncertainty。 它们不能被合并成“AB 普遍优于 Direct”。
1.91×Direct / AB geometric error ratio
rank-one · π=.05
rank-one · π=.05
10/10same-token effect-law KL wins
2/2frozen confirmatory protocols passed
01 identification ledger
两条正结果，为什么不能写成同一种优势？
先区分目标对象，再谈算法优势。一个是两臂 marginal locations 的差；另一个是两个 potential outcomes 的 joint contrast law。
结果目标对象数据地位优势来源
Rank-one partial poolingτloc(x) = m1(x) − m0(x)标准因果识别假设下由 arm marginals 识别shared-score restriction 降低有限样本方差
Same-token cancellationℒ{Y(1) − Y(0) | x}factual marginals 不 point-identify声明同一个 U 跨 treatment worlds 复用
02 marginal geometry · identified under assumptions
当两臂共享一个 score，稀缺 treated arm 不必独自学习方向。
在 mt(x)=ct+wtz(x) 下，control 与 treated responses 共享同一个 response-relevant score z(x)。 Control arm 可以帮助估计共同方向，treated arm 只需学习自己的 loading。这是结构正确时的 partial pooling，不是 latent ontology 独有的魔法。
换成 orthogonal rank-two truth，方向反转。
Direct − AB = −0.4465这说明 primary gain 来自正确的 rank-one restriction。Reduced-rank Direct 也可以获得同类优势；证据支持 shared-response geometry， 不支持“Unit Abduction 在任意 response surface 上都更好”。
预声明 failure boundary
Balanced Cauchy 条件暴露了 optimization fragility：两个 AB initializations 落入坏 basin，平均 Direct−AB advantage 为 −0.2280，区间跨零； scarcity-amplification secondary 也未通过显著性门槛。当前结论只覆盖 rare-treated primary 与 geometry specificity。
03 joint effect law · coupling-conditional
当两个 treatment queries 指向同一个 token，共同的 prognostic uncertainty 会从 contrast 里消失。
Same-token world 复用同一个不可观测 latent token U，但 event noises E0 与 E1 仍独立。 这和“共享 event noise”是另一种 coupling，不能混用。
two treatment worldsY(0) = a0 + aᵀU + σ0E0Y(1) = a0 + b0 + (a+b)ᵀU + σ1E1
→same-token contrastY(1)−Y(0) = b0 + bᵀU + σ1E1−σ0E0
共同的 aᵀU 被精确消去。
κsame = Σj|bj|γj + σ0 + σ1
Fixed abduction 保留两个 queries 的共同 latent identity。
κind = Σj(|aj|+|aj+bj|)γj + σ0 + σ1
分别拼接两个 arm laws 会把共同 unit uncertainty 计算两次。
PRIMARYsame-token oracle · prognostic strength 4
Effect-law KLCauchy AB-HTEMatched Direct
Conditional KL0.06340.5601
Direct − AB KL+0.4967
95% paired interval[0.4803, 0.5132]
seed wins10 / 10
exact sign-testp = 0.00098
不是 factual fit，而是 joint-law composition。
- AB factual NLL: 2.4112
- Direct factual NLL: 2.4266
- AB effect-scale MAE: 0.1763
- Direct effect-scale MAE: 1.3070
相近的 arm-level fit 并不能选择 cross-world coupling；差异出现在 composition 后的 effect law。
04 counterworld audit
同一份 factual evidence，只换 coupling truth，赢家就反转。
数据、splits、checkpoints、predictions 与 arm marginals 全部保持不变；evaluator 只把 oracle joint law 从 same-token 换成 independent-token。
FIXEDsame factual data · same checkpoints · same predictions
05 claim boundary
我们现在能说什么，又不能说什么？
阶段结果的价值，在于把 advantage claim 缩到可证伪、可复现、不会越过识别边界的范围。
- shared rank-one truth 下的 finite-sample location partial pooling
- rare-treated primary condition 下的 confirmatory advantage
- declared same-token coupling 下的 common-mode uncertainty cancellation
- geometry 与 coupling negative controls 均按理论方向反转
- 默认 d=4 对所有 Direct HTE learners 普遍占优
- factual marginals 识别 cross-world token coupling
- 恢复唯一 latent coordinates 或真实 individual effects
- 把 Cauchy location contrast 当作 ordinary mean CATE
confirmatory seeds101–110 · frozen
capacity controlmatched Direct baselines
primary evidencepaired CI + exact sign test
scopesynthetic composed-law evidence