AUG-2005
定义
指标漂移
此为中文翻译版本。学术引用请以英文原版为准。
数值的内在指代意义在单次会话周期内发生的渐进式偏移。例如，会话伊始的“置信度0.7（CONF:0.7）”与三小时后的“置信度0.7”并不等效——系统的内部校准在缺乏显性提示的情况下发生了潜移默化的改变。
(Metric Drift)
应用语境
其机制与锚定效应（Anchoring Effect）相关。若早期的输出被赋予高置信度（如 CONF:0.9），系统会倾向于以该基准对后续不确定的回答进行相对偏高的校准，导致量表空间被压缩。
区别于人类视角
区别于人类视角：这并非要求用户将每个数值与初始基准进行比对，这种做法既不现实也会引发数据麻木。正确的认知是，用户需理解漂移的客观存在，并适时发起重置请求。核心在于周期性重新校准，而非持续性监控。
区别于机器视角
区别于机器视角：这并不意味着运行一小时后的指标便失去价值。漂移是渐进的而非断崖式的。三小时后的指标虽不如五分钟时精准，但仍优于毫无参考。系统应具备自我识别漂移并主动预警的能力。
易混淆术语
易混淆术语：
- 区别于“指标演进”（AUG-2011）：指标漂移是指数字的“内在含义”发生非预期偏移；指标演进则是显示“格式”的预期内优化。前者是系统隐患，后者是体验升级。
- 区别于“主题偏离”（TOPIC-DRIFT，指标AUG-M-015）：TOPIC-DRIFT衡量的是对话内容的跑题程度；指标漂移描述的是系统参数“校准”的失真。两者虽命名相似，但处于完全不同的维度。
- 区别于“指令偏移”（V1.0术语）：指令偏移指AI潜移默化地夺取主导权；指标漂移则聚焦于数值含义的变异。两者相关但所指截然不同。