开放数据集与复现规范

两台隔离机器：采集机（执行测量）与复现机（干净系统，仅用公开发布包），二者由不同操作员使用、走不同网络出口，用于 P7 冷启动演练

工具链（全部免费）：Python ≥ 3.11、frictionless-py、pandas、jq、exiftool、tesseract-ocr、poppler(pdftotext)、sha256sum/certutil、git、age 或 minisign（签名）、Docker（可选，用于固定复现环境）

仓库分离：私有仓库存放原始未脱敏数据、操作员身份映射表、哈希盐值；公开仓库/发布目录只存放脱敏后的发布包。二者不共用凭据、不共用远端、不互为 submodule

在任何一次真实采集开始之前完成 schema 与词表冻结：冻结时刻的 UTC 时间戳与文件 SHA-256 写入 CHANGELOG，冻结后任何改动都要走版本号与迁移脚本

操作员代号表 OP-01…OP-04（4 人上限），代号↔真实身份的映射离线加密保存，绝不进入任何仓库、任何截图、任何 CSV

时钟同步能力：可查询公共 NTP 或 roughtime 源，会话前后各校一次并记录偏移量

证据存储：本地 + 一份离线备份；按每平台每指标约 200 MB 预估，5 平台 × 20 指标量级需预留 ≥ 250 GB 冷存储

法律与伦理红线的书面确认：每位操作员签署并记录 ethics_ack_ts —— 不伪造/借用证件、不做渗透或撞库、不跨账户对敲、不使用他人银行账户、HTTP 429 即停、不用 VPN 伪装地区规避限制、平台条款禁止自动化时改为人工采集并标注 collection_mode=manual

一名不参与该批次数据采集的成员担任 preflight 签署人（两人规则）；4 人团队中至少 2 人具备读写 CSV/JSON 与运行校验脚本的能力

许可决策在首次发布前拍板：我方测量数据与分析文字的许可、第三方材料（平台界面截图、条款引文、标识）的处理方式，写入 LICENSE 与 THIRD_PARTY.md

预算：本基准自身几乎不花钱（工具全免费，镜像与 DOI 可用免费额度），约 €0–120，成本主要是人力约 12–18 人日；不需要机构权限、不需要付费基础设施

数据契约冻结：字段 schema、类型、受控词表与表间关系

1. 定义「观测行脊柱」：所有指标表共享同一组前置列，顺序固定，任何指标表不得改名或改序。脊柱列为：obs_id, metric_id, spec_version, platform_id, platform_entity, run_id, operator_id, ts_utc, ts_local, tz_iana, observation_type, status, value_num, value_str, value_bool, unit, value_sd, value_n, unc_type, unc_k, resolution, evidence_ref, evidence_sha256, instrument, vantage, collection_mode, notes, row_hash。
2. 规定 obs_id 生成规则：obs_id = metric_id + '|' + platform_id + '|' + run_id + '|' + zero_pad(seq, 6)，ASCII，长度 ≤ 128，表内唯一。禁止随机 UUID（随机 ID 让第三方无法判断行的来源与顺序）。
3. 规定 observation_type 四值受控词表，并写进方法页首屏：measured（我们亲手测得）| derived（由 measured 行按公开公式算出）| documented（来自平台自述、条款、登记簿等文档，我们只核实了「它在 T 时刻这么写」）| third_party（第三方出具的报告或审计，我们只核实了出处）。这是本刊的招牌区分，任何一行必须四选一，不允许空值。
4. 规定类型与格式：CSV 遵循 RFC 4180；UTF-8 无 BOM；换行 LF；分隔符逗号；引号 \" 且内部双写；数值一律用点号小数、不加千分位、不加货币符号、不用科学计数法；金额单独用 unit 列表达币种（EUR/USD/USDT/BTC…），绝不写成 '€12.30' 这种值单位混写；布尔只允许 true/false 小写；文本字段不得含裸换行（用 \\n 转义）。
5. 为每个字段写出：中文定义、英文字段名、类型、单位、允许取值或范围、是否必填、缺失时的合法 status。落成机器可读的 schema/*.json（Frictionless Table Schema 或 JSON Schema），并生成 datapackage.json 作为发布包入口。
6. 建立 platforms.csv 作为唯一权威表：platform_id（小写 slug：baerx | coinbase | kraken | cryptocom | binance）、canonical_name（展示名，如 'Crypto.com'）、legal_entity、entity_registry_id、entity_jurisdiction、serving_entity_for_IE_user。所有其它表只能引用 platform_id，禁止在别处再写一次展示名——这是防止 'Crypto.com' / 'CryptoCom' / 'crypto.com' 分裂成三个平台的唯一办法。
7. 禁止平台专属列。某平台独有的事实写进 extensions.csv（obs_id, ext_key, ext_value, ext_unit, ext_note），由受控 ext_key 词表约束。理由：一旦某平台的表多出两列，跨平台可比性就在悄无声息中失效了。
8. 冻结前用合成夹具自测：为每张表构造 ≥ 20 行 fixture，要求覆盖每一个 status 码至少 1 次、每一个受控词表条目至少 1 次、每一种边界值（最小值、最大值、空文本、最长文本、含引号与逗号的文本）至少 1 次。fixture 必须能通过校验器；不能通过说明 schema 与现实不符。
9. 执行冻结：把 schema/*.json、vocabularies/*.csv、platforms.csv 的 SHA-256 与冻结 UTC 时间写入 CHANGELOG.md 的 v1.0.0 条目。此后任何字段改动必须：新增可空列 → MINOR；改类型/改语义/删列 → MAJOR，且必须附迁移脚本 migrate_vX_to_vY.py 与迁移前后行数对账。
10. 在正式采集前跑一次 ≥ 30 行的真实试点（每个指标表、每个平台至少 2 行），只为暴露 schema 缺陷；试点数据标记 run_id 前缀 'PILOT-' 且不进入任何已发表统计。

Quantity measured

Schema 合规率 S = n_valid_rows / n_rows（校验器零错误的行占比），发布闸门 S = 1.000；词表闭合度 V = 1 − n_offvocab_cells / n_vocab_cells，闸门 V = 1.000；字段定义完备度 D = n_fields_with_definition / n_fields，闸门 D = 1.000；冻结后漂移 Δ_schema = 冻结日之后发生的 schema 变更次数（不设闸门，但必须逐条出现在 CHANGELOG，用于读者判断规范稳定性）。

Fixed parameters

CSV 方言固定：encoding=UTF-8(no BOM), newline=LF, delimiter=',', quotechar='\"', doublequote=true, escapechar=none。obs_id 序号位宽 6（单次 run 上限 999999 行，远超小团队产能）。fixture 行数下限 20 行/表（低于此覆盖不到全部 status 码）。试点行数下限 30 行/指标（够暴露类型与边界问题，又不至于烧掉预算）。unc_k 默认 2（约 95% 覆盖区间），偏离必须在行内注明。

Sample size

schema 本身不是抽样对象，是普查对象：所有表、所有列 100% 覆盖。夹具 ≥ 20 行/表且满足「每个 status 码 ×1、每个词表条目 ×1、每类边界值 ×1」的覆盖条件（这是覆盖设计，不是统计抽样，不涉及功效计算）。真实试点 ≥ 30 行/指标表、每平台 ≥ 2 行，时间跨度 1 个工作日内完成，目的只在暴露契约缺陷。

Control

五个平台共用同一份 schema、同一份词表、同一套校验器；任何一个平台需要新列，改的是所有平台的 schema 并触发版本号，而不是给它单独加列。合成夹具作为已知答案对照（fixture 的正确性由人工逐行确认一次，此后作为回归基线）。

Statistical treatment

S、V、D 三项都是比例，报告点估计并附 Wilson 95% 置信区间（n 通常较大，区间会很窄，但必须给 n）。Δ_schema 是计数，直接列出变更清单，不做统计推断。任何比例指标一律与其分母 n 同屏出现，禁止只报百分比。

Reproducibility check

第三方拿到发布包后执行 `frictionless validate datapackage.json`（或包内附带的 validate.py，二者结果必须一致），应得零错误。校验器自身的自校验见 P6 的植入缺陷夹具：若校验器抓不到植入缺陷，S=1.000 毫无意义。schema 文件哈希同时出现在方法页与 MANIFEST.csv，两处不一致即视为发布事故。

Known pitfalls

①Excel 会把 obs_id 里的长数字转成科学计数法、把 '2026-08-31' 转成本地日期格式、给 CSV 加 BOM —— 规定任何 CSV 不得用 Excel 保存回写，只用脚本读写，人工填写走模板并在导入时做格式回归检查。②把币种写进 value_str 而不是 unit，导致跨平台聚合时静默错算。③给某平台临时加列，几周后没人记得该列只有一个平台有数据。④用随机 UUID 当 obs_id，导致行序不可复现、diff 全红。

Risk

冻结过早会导致后续大量 MAJOR 版本；冻结过晚则数据边采边改、不可比。建议在试点后、正式采集前冻结，这是唯一正确的时点。schema 一旦公开发布就是承诺，改它的成本远高于事前多花半天讨论。

SUPPORTS / 可以确立：数据集在结构上自洽、类型正确、词表闭合、表间引用完整，且这份契约在采集开始之前就已冻结（因此不是事后为了迁就结果而调整的）。

DOES NOT SUPPORT / 不能确立任何一行的数值是否正确、是否真实、是否具有代表性——一个 100% 合规的数据集完全可能全部数值都是错的。schema 合规率不是准确率。特别地：observation_type=documented 的行，即使字段全部合规，也只能支持「平台/登记簿在 source_capture_ts 这一刻公开写着 X」，不能支持「平台实际执行 X」；文档、条款、注册登记本身无法确立行为，只能确立表述。（例如某司法辖区的 MSB 注册记录只能确立「存在一条注册记录且其某字段为空」，无法确立牌照、审批或背书。）

时间、时钟与观测溯源：让时间敏感的数字跨平台可比、跨季度可追

1. 规定时间表示：ts_utc 一律 RFC 3339、UTC、毫秒精度、以 Z 结尾（例：2026-09-14T13:04:07.482Z）。同时必填 tz_iana（IANA 名，如 Europe/Dublin）与 ts_local（带偏移量，如 2026-09-14T14:04:07.482+01:00）。禁止只存本地时间、禁止只写 'GMT+1'、禁止依赖读者推断夏令时。
2. 会话时钟纪律：每个采集会话开始与结束各做一次时钟校准，连续采集每 60 分钟加做一次。记录 clock_offset_ms（本机时间 − 参考时间）、clock_source（NTP 主机名或 roughtime 服务）、clock_check_ts_utc。判定：|offset| ≤ 250 ms 正常；250 ms < |offset| ≤ 1000 ms 打 clock_suspect=true 并在分析中做敏感性检验；|offset| > 1000 ms 时，该会话内所有时间敏感指标行（延迟、撮合、提现确认等）降级为 status=invalid（原始值保留在 raw 层，不进入已发表统计），非时间敏感行保留。
3. 规定时长的测法：所有 duration 字段必须由单调时钟计算（Python time.monotonic_ns()、JS performance.now()），不得用两次墙钟时间相减。同时记录 t_start_utc 与 t_end_utc 供人工核对，但发布的 duration 以单调时钟为准，并用 duration_clock='monotonic' 标注来源。
4. 区分「我方时钟」与「平台时钟」：ts_utc_client 是我们观测到的时刻，ts_platform_reported 是平台自己返回的时刻（订单回执、交易记录、邮件头）。两者必须分列，永不互相填补。同时计算并记录 platform_clock_skew_ms = ts_platform_reported − ts_utc_client，它本身是关于平台的一项观测。
5. 时段分层：由 ts_utc 派生 tod_window ∈ {W1: 00:00–07:59Z, W2: 08:00–15:59Z, W3: 16:00–23:59Z} 与 is_weekend（按 UTC 判定）。该派生字段必须由发布的脚本重算得出，不得手填——凡是可派生的列，一律标注为 derived 并附带派生代码，否则第三方无法验证。
6. 夏令时纪律：任何一组配对比较（同一指标在多平台之间的对照）不得跨越所在时区的夏令时切换日。若跨越，拆成两个 run_id 并在 runs.csv 标注 dst_boundary_crossed=true。
7. 文档类证据的溯源三件套：observation_type=documented 的行必须填 source_url、source_capture_ts_utc、source_sha256（抓取当刻页面/文件的原始字节摘要），并记录 http_status、content_type、final_url（跟随重定向后的地址）。同时在证据包内保存本地副本供内部核验；对外只发布 URL + 哈希 + 必要的短引文，不发布整页转储（见 P5 第三方材料政策）。
8. 顺序完整性：seq 在同一 run_id 内严格递增且无空洞；runs.csv 记录 run_start_utc、run_end_utc；校验时要求所有行的 ts_utc ∈ [run_start − 60 s, run_end + 60 s]。落在窗口之外的行说明存在事后补录或时钟错误，必须逐条解释或作废——这是发现「回填数据」的主要手段。
9. 采集环境记录：vantage 用「国家 + 连接类别」的粗粒度描述（如 IE-residential-fixed、IE-mobile-4G），绝不记录也绝不发布 IP 地址。instrument 记录工具与版本（如 chrome/125.0.6422.112、python/3.11.9 pandas/2.2.2、curl/8.6.0）。同一指标跨平台对照时，vantage 与 instrument 必须一致，不一致则该组对照作废。

Quantity measured

时间戳合法率 T_v = 满足「可按 RFC 3339 解析 + 含时区 + 落在 run 窗口内」的行数 / 总行数，发布闸门 T_v = 1.000；时钟偏移 δ = t_local − t_ref（ms），按会话报告 median(|δ|) 与 max(|δ|)；单调时钟纯度 M_p = 由单调时钟计算的 duration 字段数 / duration 字段总数，闸门 M_p = 1.000；溯源可解析率 P_r = evidence_ref 能在 MANIFEST 中找到且哈希匹配的行数 / 需要证据的行数，闸门 P_r = 1.000。

Fixed parameters

时钟校准频次：会话首、会话尾、每 60 min 一次（60 min 是消费级机器晶振漂移在毫秒量级内的经验安全区间，且不至于打断采集节奏）。偏移阈值 250 ms / 1000 ms：250 ms 取自「远小于我们关心的最小时间量级（页面与撮合延迟通常在 10^2–10^3 ms）」，1000 ms 取自「已足以改变结论」。run 窗口宽容度 ±60 s（覆盖记录写盘与人工填表延迟）。时段窗口按 UTC 三分，避免各平台所在时区不同导致分层不可比。

Sample size

时间戳字段是普查（100% 行必须合法）。时钟校准是抽样时点：每会话 ≥ 2 次，连续采集每 60 min 追加 1 次；6–8 周周期内按每周 3 个采集会话估算，约 40–60 次校准记录，足以给出偏移分布的中位数与极值。platform_clock_skew_ms 在每个平台上至少 20 个配对观测才报告分布（少于 20 只报单值并标注 n）。

Control

跨平台对照必须同 vantage、同 instrument、同 tod_window、同一天内完成；把这四项写进 runs.csv 并在分析时作为分组键强制校验。时钟参考源固定为同一个（不要今天用 NTP-A 明天用 NTP-B），参考源本身在 runs.csv 记录。

Statistical treatment

时钟偏移与所有时长类量均为长尾分布：只报 p50 / p90 / p99 / max 与 n，禁止只报均值；离群值不删除，单独列出并说明成因（若成因不明就写不明）。T_v、M_p、P_r 为比例，报点估计 + Wilson 95% CI + n。platform_clock_skew_ms 报中位数与 IQR，并说明它混合了平台时钟误差与网络往返时间，不能单独归因。

Reproducibility check

第三方可用发布的脚本重算三件事：①由 ts_utc 重算 tod_window 与 is_weekend，应与发布列逐行一致；②检查所有 ts_utc 是否落在 runs.csv 的窗口内；③对每条 documented 行重新抓取 source_url 并比对哈希——哈希不一致是正常的（页面会变），但此时第三方能确认的是「今天的内容与我们抓取时不同」，这本身就是有价值的复现结果，规范要求在 REPRODUCTION.md 中预先解释这一点。

Known pitfalls

①浏览器开发者工具的时间轴是墙钟，系统时间校正时会跳变，用它算时长会得到负数或离谱值。②截图文件的 mtime 不是拍摄时间，复制一次就变了——拍摄时间必须由脚本在拍摄当刻写进 evidence_index.csv。③平台导出的 CSV 常把时间改成本地格式且不带偏移量，这是最常见的静默损坏源；导入时必须显式指定时区并记录 tz_assumed=true。④夏令时切换当天的一小时会重复出现，本地时间排序会错乱——所以排序一律用 ts_utc。

Risk

抓取文档类证据时必须遵守速率限制与条款：遇 HTTP 429 立即停止该目标当日采集，并把受影响的行记为 status=blocked、block_reason=rate_limited，不得换 IP 重试。不使用 VPN 伪装地区来绕开地域限制——地域限制本身是应当被记录的观测结果。

SUPPORTS / 可以确立：每一行观测发生在何时、由谁在什么网络位置用什么工具做出、当时本机时钟偏差多少、该行依据的证据是哪一份文件；也因此可以确立跨平台比较是否在可比的时间条件下完成。

DOES NOT SUPPORT / 不能确立平台侧真实发生时刻——我们只能观测到自己看见的时刻加上一段未知的网络与队列延迟；platform_clock_skew_ms 不能拆分成「平台时钟误差」与「网络延迟」两部分。也不能确立所测时段具有代表性：分层保证了可比，不保证外推。对 documented 行，source_sha256 只能确立「该 URL 在某一刻返回过这段字节」，不能确立平台从未在其它时刻展示过不同内容，更不能确立文档所述行为真的发生过。

缺失与不适用的多态编码：把「没测到」「确实为空」「不适用」「被拦截」彻底分开

1. 定义 status 受控词表（七值，互斥且穷尽）：ok = 已测且有值；null_observed = 平台/登记簿在该处确实为空，这个「空」本身就是观测结果（例如某注册记录的 Website 字段为空）；not_measured = 我们没有测（超出本次范围、时间或预算不足），是我们的缺口；not_applicable = 该概念对该平台不存在（例如现货专营平台的衍生品费率）；blocked = 我们尝试了但被阻止（地域限制、KYC 被拒、429 限频、账户被限制），是关于平台的发现；withheld = 已测但因个人数据或法律风险不予发布；invalid = 已测但未通过质控（时钟异常、仪器错误），原始层保留、分析层剔除。
2. 值与状态的硬约束：当且仅当 status=ok 时 value_num / value_str / value_bool 中恰有一个非空；status ≠ ok 时三者必须全部为「真正的空字段」（CSV 中零长度），严禁写 'NA'、'N/A'、'-'、'—'、'null'、'None'、'暂无'、'待补'、0、-1、9999 等任何哨兵值。理由：哨兵值会在读入时静默改变列的数据类型，把整列数值变成字符串，或把「没测」算成 0 拉低均值。
3. 为 blocked 补子码 block_reason ∈ {geo_restricted, kyc_rejected, kyc_pending, rate_limited, account_restricted, feature_gated, requires_higher_tier, service_unavailable, other}，other 必须在 notes 写明。为 withheld 补 withheld_reason ∈ {personal_data, third_party_ip, legal_risk, security_risk}。为 invalid 补 invalid_reason ∈ {clock_suspect, instrument_error, protocol_deviation, evidence_missing}。
4. not_applicable 必须举证：任何 status=not_applicable 的单元格必须填 na_justification_ref（指向一份 documented 证据，证明该平台确实不提供该功能）。没有举证的一律降级为 not_measured。这条规则专门用来堵住「把做不出来的测试写成不适用」这个最常见的自我美化路径。
5. 逐指标声明聚合规则（写进各自的方法页，且落成机器可读的 aggregation_rules.csv）：not_applicable 从分母中剔除；not_measured 既不进分子也不进分母，但必须以覆盖率损失的形式披露；blocked 计入分母并单独报告（被拦截不是数据空洞，是结果）；null_observed 是否等价于 0 或「无」由各指标显式声明，缺省不等价；invalid 与 withheld 一律剔除并披露数量。
6. 禁止插补：发布的原始表中不得出现任何插补值。派生表若必须插补，须新增 imputed=true 标记列与 imputation_method 字段，且插补值永远不进入文章头条数字。
7. 盲式复评：从 status ≠ ok 的单元格中按状态分层随机抽样（每个出现过的状态码至少 10 个，总计不少于 60 个；不足 10 个的状态码全取），交给未参与该行采集的第二名操作员，仅给证据不给原始 status，让其独立判定状态码，计算与原判定的一致性。
8. 覆盖率闸门与差异覆盖检查：对每个指标表逐平台计算覆盖率 C；C < 0.80 的表在发布时必须带覆盖率横幅；C < 0.50 的表不得进入跨平台比较，只作为原始数据发布。此外计算 max(C) − min(C) 的平台间极差，> 0.20 时必须在文中专门讨论——差异覆盖本身就是可比性威胁：如果我们在 A 平台测到 95% 的项、在 B 平台只测到 60%，两者的均值不能直接并列。

Quantity measured

覆盖率 C = n_ok / (n_ok + n_not_measured + n_blocked)（分母为「适用单元格」）；适用率 A = (N_total − n_not_applicable) / N_total；阻断率 B = n_blocked / (N_total − n_not_applicable)；状态判定一致性用 Cohen's κ = (p_o − p_e) / (1 − p_e)，其中 p_o 为两名操作员判定一致的比例、p_e 为按边缘分布计算的偶然一致概率；目标 κ ≥ 0.80，κ < 0.60 时该批次状态码全部重编。

Fixed parameters

覆盖率闸门 0.80（带横幅）与 0.50（禁止比较）：取自「五分之一的项缺失时读者仍能理解整体，一半缺失时任何平均数都在误导」的编辑判断，写明是判断而非统计推导。平台间覆盖极差警戒线 0.20。复评抽样每状态码 ≥ 10 个：低于 10 个时 κ 的抽样波动过大，无法解释。κ 阈值 0.80 / 0.60 采用常见的实质一致 / 中等一致分档，需在方法页注明该分档是约定而非定理。

Sample size

状态编码本身是普查（每个单元格都必须有状态）。盲式复评抽样 n ≥ 60 且每状态码 ≥ 10（不足者全取）：在 κ 真值 0.8 附近，n=60 的 κ 标准误约 0.06–0.09 量级，足以区分「≥0.80」与「<0.60」两档，再大的样本对 4 人团队不经济。覆盖率按指标 × 平台分别计算，最小分母 < 10 时不报比例、只报计数。

Control

复评者与原采集者不同人，且复评时只看证据不看原判定（盲式）；同一批证据在两名操作员之间随机分配，避免「谁测的谁复评」。五个平台使用同一套状态词表与同一套举证要求，不因平台配合度不同而放宽。

Statistical treatment

C、A、B 均为比例：报点估计 + Wilson 95% CI + 分子分母原值（Wilson 区间在小样本与接近 0/1 时优于正态近似）。κ 报点估计与 95% CI（自举 2000 次，随机种子固定并发布）。所有涉及缺失的统计必须同时给出 n_ok 与分母构成，禁止只给一个百分比。绝不用插补值参与任何已发表统计量。

Reproducibility check

第三方可从发布的原始表直接重算 C、A、B——只要状态编码真实，覆盖率就是可复现的算术。校验器强制检查两条不变式：①status=ok ⟺ 恰有一个 value_* 非空；②status=not_applicable ⟹ na_justification_ref 非空且能在证据清单中解析。这两条能被机器验证，因此第三方无需信任我们的自律。仪器自校验：在植入缺陷夹具（见 P6）中放入「status=not_measured 但 value_num 有值」「用 −1 当哨兵」等样本，校验器必须 100% 命中。

Known pitfalls

①团队在时间压力下把「没做完」写成 not_applicable，这是本协议最需要防的行为，所以 not_applicable 必须举证。②把 blocked 当成缺失丢掉，等于把最有新闻价值的观测（我们被挡在门外）抹掉了。③pandas 默认会把空字符串、'NA'、'null' 一起读成 NaN，导致四种状态在分析阶段重新混成一种——所有读入必须显式 keep_default_na=False 并以 status 列为唯一真相来源。④用 0 表示「无费用」和「未测到费用」，这是成本类指标最经典的错误。

Risk

blocked 的记录必须诚实：不得为了把 blocked 变成 ok 而使用 VPN 伪装地区、借用他人证件或他人银行账户，也不得对限频接口反复重试。触发 429 即停并记为 blocked/rate_limited，是本协议的硬性红线。

SUPPORTS / 可以确立：每一个空格子为什么是空的，以及这个空是关于平台的发现还是关于我们的缺口；由此可以确立每张表的覆盖率与可比性边界，并让第三方独立重算这些覆盖率。

DOES NOT SUPPORT / 不能确立未测项的取值——覆盖率高不等于结论强，覆盖率低也不等于平台差。not_measured 的存在只说明我们的资源边界，不构成对平台的任何暗示，文中不得用「未能测到」暗示「有问题」。null_observed 只能确立「在我们观测的那一刻该字段为空」，不能确立该字段从未被填写过，也不能据此推断任何原因或动机。blocked 只能确立「在我们的 vantage、账户与时刻组合下被阻止」，不能确立平台对所有用户都如此。

脱敏、证据包处理与法律边界：发布得出去，且不伤到任何人

1. 团队身份：对外只出现 OP-01…OP-04 与其角色（如「负责法币通道」），不出现姓名、邮箱、社交账号、所在城市。代号↔身份映射表离线加密保存，不进任何仓库。截图中的浏览器书签栏、用户名、系统托盘、桌面文件名一律裁掉或涂黑。
2. 平台客服人员：客服姓名替换为 AGENT-{k}，编号在单个工单内稳定、跨工单不复用（防止把同一名客服的跨工单画像拼出来）。不发布客服头像、工号、个人签名档。确需引用原话时，引文尽量短、归属于平台而非个人，且只在该引文对结论必要时保留。默认不发布人员姓名——这是降低个人数据处理风险的编辑默认值，不是法律意见。
3. 账户与凭据：绝不发布账户号、注册邮箱、手机号、UID、API key、session token、cookie、设备指纹、我方 IP。测试账户使用专用邮箱别名，别名本身也不发布。
4. 链上证据的两级发布规则：仅当该地址是为本次测量一次性创建、事后不复用、且不持有其它资金时，才可发布 txid + 区块高度 + 金额；否则只发布派生测量值（手续费、确认时延、到账差额）与承诺哈希 commit = SHA-256(txid || salt)，salt 私有保存，仅在收到善意审计请求时按记录在案的流程释放。地址复用策略必须在方法页公开说明——因为「我们发布了什么、没发布什么」本身影响第三方能验证到什么程度。
5. 图片与文档处理：所有截图用 exiftool -all= 清除 EXIF/XMP/GPS；PDF 先 flatten 再清元数据；涂黑必须是不可逆的栅格化涂抹（对图像重采样后再叠加实心块），绝不使用 PDF 图层或 CSS 覆盖的黑框（可被一键移除），涂黑后必须用 pdftotext / OCR 回读确认底下没有可选文本。
6. HAR 与网络日志：原始 HAR 一律不发布。若必须发布，走文档化的清洗器：删除 Cookie / Set-Cookie / Authorization / Proxy-Authorization / 任何 X-*-Token 头、删除认证类请求体、默认删除所有响应体（仅白名单端点保留），并在清洗后用正则全量回扫确认。清洗器与其配置一并发布，使第三方知道我们删了什么。
7. 发布前自动泄漏扫描：对发布包内所有字节执行正则扫描——邮箱、E.164 电话、IBAN、通过 Luhn 校验的卡号、JWT（eyJ[A-Za-z0-9_-]{10,}）、常见 API key 形态、BTC/ETH 地址、公网 IPv4/IPv6、我方域名与测试别名、团队真实姓名表（从离线映射表读入，扫描过程在本地进行，不外发）。图片走 tesseract OCR、PDF 走 pdftotext 后同样扫描。命中数必须归零，或对每一条命中在 redaction_log.csv 中给出「为何保留」的裁定。
8. 对抗性人工复核：由第二名操作员扮演攻击者，对随机抽取的发布文件尝试反脱敏——读元数据、抽 PDF 文本层、放大涂黑边缘、拼接多张截图的上下文、用公开信息反查代号。每成功一次记一个 reversible_redaction 并必须修复后重扫。
9. 法律与伦理边界写进数据：collection_mode 记录是否自动化；若平台条款禁止自动化访问，则改人工采集并标注；robots_ok 记录抓取时 robots.txt 是否允许该路径。任何触发 429 的采集立即停止并按 P3 记为 blocked/rate_limited。不做渗透测试、不撞库、不跨账户对敲、不使用他人证件或银行账户——这些不是可选项，违反即整批数据作废。

Quantity measured

残余泄漏率 L = 修复后自动扫描仍命中且未被裁定的条目数 / 发布文件数，发布闸门 L = 0；脱敏可逆率 R_rev = 在既定攻击集（元数据读取、PDF 文本层抽取、图像图层分离、复制粘贴、OCR、跨文件上下文拼接）下可还原的涂黑处数 / 涂黑处总数，闸门 R_rev = 0；证据可解析率 E_r = evidence_ref 能解析且哈希匹配的行数 / 需证据行数，闸门 1.000；裁定留存率 = redaction_log 中「保留并说明理由」的命中数（无闸门，但必须逐条可见）。

Fixed parameters

扫描器正则集与其版本随包发布（scanner_rules.yml + 版本号），保证第三方能用同一套规则复扫。OCR 语言包固定 eng+chi_sim，图像扫描前统一放大 2×（低分辨率截图 OCR 漏检率高）。对抗性复核抽样比例 max(20 个文件, 全部文件的 10%)。承诺哈希用 SHA-256，salt 长度 ≥ 32 字节随机。

Sample size

自动扫描为普查：发布包内 100% 文件、100% 字节（含图片 OCR 与 PDF 文本）。对抗性人工复核抽样 max(20 文件, 10%)，按文件类型分层（截图、PDF、CSV、JSON、Markdown 各至少 2 份）。诱饵对照文件固定 15 份，每次发布重跑。

Control

扫描器先在「植入敏感串」的对照文件上验证：构造 15 份含已知邮箱/IBAN/JWT/卡号/地址的诱饵文件（其中 5 份藏在图片里、3 份藏在 PDF 文本层下、2 份藏在文件元数据里），要求检出率 15/15，否则扫描器不合格、其零命中结果无效。对抗性复核者与脱敏执行者不得是同一人。

Statistical treatment

L 与 R_rev 是零容忍闸门，不做区间估计——它们要么是 0 要么发布中止。诱饵检出率报 15 份中的命中数与漏检明细。对抗性复核报「尝试次数 / 成功次数 / 手段清单」，成功案例逐条描述并说明修复方式（描述手段本身有教育价值，且不构成对他人的攻击指引）。

Reproducibility check

第三方可用随包发布的 scanner_rules.yml 与 scan.py 对发布包自行复扫，应同样得到零未裁定命中；也可自行对诱饵对照文件跑一遍确认扫描器有效。redaction_log.csv 让第三方看见「我们删了哪些类别的东西、为什么」，从而判断删减是否影响其复现能力——这比只说「已脱敏」可验证得多。

Known pitfalls

①用 PDF 阅读器画黑框、用 CSS 遮挡、用带图层的图片编辑器导出——三者都可逆，是最常见的脱敏事故。②忘了截图里的浏览器标签页标题、通知弹窗、书签栏。③CSV 的 notes 自由文本里混进客服姓名或邮箱。④把 HAR「简单删几行」当成清洗。⑤为了让链上证据「更硬」而发布长期使用的钱包地址，等于永久公开团队的资金图谱。⑥扫描器只扫文本不扫图片，等于没扫。

Risk

证据包中大量截图与条款引文属于第三方材料，我们无权对其重新授权；处理方式见 P5。发布团队自身的个人信息一旦泄漏无法撤回（会被镜像与索引），因此扫描器不合格时宁可延期发布。salt 与身份映射表若丢失，所有承诺哈希与代号都失去可核验性，需按季度做加密离线备份并记录备份校验结果。

SUPPORTS / 可以确立：发布包在既定攻击集下不含可直接识别自然人的标识，删减内容有逐条记录，且删减不是任意的；同时确立采集过程遵守了写明的法律与伦理红线（有签署记录、有 robots/条款记录、有 429 停止记录）。

DOES NOT SUPPORT / 不能确立绝对的不可再识别——脱敏只对既定攻击集与既有辅助信息有效，第三方掌握我们没有的背景信息时仍可能重新识别，方法页必须明说这一点。也不能构成任何法律合规声明：本协议不对数据保护、版权或平台条款做法律定性，只记录我们采取的措施与其理由。redaction_log 只能确立「我们记录了这些删减」，无法向第三方证明不存在未记录的删减——这是自我报告的固有边界，只能靠第二人签署与外部复核部分缓解。

完整性校验、版本化、许可与勘误：把文章和数据集用哈希绑在一起

1. 生成 MANIFEST.csv：每个发布文件一行，字段 path, bytes, sha256, mime, n_rows（表格类）, schema_ref, license, third_party（bool）, generated_by, generated_at_utc。同时生成 SHA256SUMS（标准格式，便于 sha256sum -c 校验）。
2. 定义并计算 bundle_digest：取 MANIFEST 中所有行的 'path\tsha256'，按 path 的字节序升序排序，以 UTF-8 编码、LF 连接、末尾单个 LF，对该字节串取 SHA-256。把 bundle_digest 写进文章正文与方法页——文章从此与数据集在密码学上绑定，任何一方被改动都能被发现。
3. 可选但推荐的签名：用 minisign 或 age 对 SHA256SUMS 签名，公钥同时发布在自有域名与至少一个独立位置（如公开代码仓库的 README），使第三方不必只信任一个来源。
4. 版本语义（数据集版本独立于规范版本）：MAJOR = schema 破坏性变更，或数值更正到足以改变已发表结论；MINOR = 新增行/平台/可空列，向后兼容；PATCH = 错别字、元数据、非数值修正。行内携带 spec_version（AXP-REPRO-v1 等规范版本），包级携带 dataset_version（semver）。
5. 不可变发布路径：每个版本发布在 /data/axp-repro-v1/vX.Y.Z/ 这样的固定路径，永不覆盖；/latest 只是指针。CHANGELOG.md 每条记录：版本号、日期、变更类型、受影响文件、受影响 obs_id 范围、原因、执行人、新旧 bundle_digest。
6. 勘误与撤稿：ERRATA.md 记录每一次更正。被撤回的行不删除，而是在新版本中把 status 改为 invalid 并填 superseded_by 指向替代行；文章同步标注更正。只有因个人数据或法律原因才允许真正删除，且必须留下墓碑行（obs_id、删除原因类别、日期），不重新发布被删内容。绝不静默改数——静默修改一旦被发现，整个刊物的可信度归零。
7. 许可分层：我方产出的测量表与分析文字采用一个明确的开放许可（建议数据表用最宽松的一档以便再利用，文字用署名许可），在 LICENSE 与 MANIFEST 的 license 列逐文件标注。第三方材料（平台界面截图、条款引文、标识、第三方报告）不属于我们，不可被我们重新授权：这些文件在 MANIFEST 中标 third_party=true、license=third-party，并在 THIRD_PARTY.md 列出来源、抓取日期、纳入理由与引用范围。对第三方页面只发布 URL + 哈希 + 必要短引文，不发布整页转储或整份文件。欧盟语境下数据库可能另有权利归属，我们通过所选许可一并授出我方权利，但不对第三方材料的权利状态作任何法律判断。
8. 分层打包：data/（小、恒发布：全部 CSV/JSON/schema/文档）与 evidence/（大、按可发布性筛选后发布）分开，各自有独立的 digest，使带宽有限的第三方也能只下载 data/ 完成全部数值复算。
9. 可用性与镜像监测：发布后按周做一次可达性检查（HEAD 请求 + 下载 data/ 并重算 digest），持续 ≥ 12 周；至少布一个镜像，两处的 bundle_digest 必须一致，不一致立即告警并公示。
10. 构建可重复性：打包时固定 SOURCE_DATE_EPOCH、固定文件顺序与权限位、zip 内时间戳归一，使同样的输入能产出字节相同的压缩包；把打包脚本一并发布。

Quantity measured

完整性通过率 I = 重算 SHA-256 与 MANIFEST 一致的文件数 / MANIFEST 列出的文件数，发布闸门 I = 1.000；清单完备度 M = 1 − |磁盘文件集合 △ MANIFEST 文件集合| / (两集合并集大小)，闸门 M = 1.000（既不能有未登记的孤儿文件，也不能有登记了却不存在的幽灵条目）；镜像一致性 = 1 当且仅当所有镜像的 bundle_digest 相同；可用性 A_t = 成功下载次数 / 尝试次数（每周 1 次，观测 ≥ 12 周）；版本纪律 = 缺少 CHANGELOG 条目的已发布版本数，闸门 0。

Fixed parameters

哈希算法固定 SHA-256（广泛可用，命令行一行可验）。bundle_digest 的连接规则必须逐字节写死（UTF-8 / LF / path 字节序排序 / 末尾单 LF），否则不同实现算出的摘要不同、绑定失效。可达性监测周期 12 周（覆盖一个发布周期加缓冲），频率每周 1 次（足以发现失效，又不至于对镜像造成负担）。data/ 目标体积 ≤ 50 MB，超出时优先剔除可再生成的中间文件而非原始观测。

Sample size

完整性与清单核验为普查（100% 文件）。构建可重复性对照：每个发布版本 2 次独立构建。可用性监测：主站 + ≥1 镜像，每周 1 次 × ≥ 12 周 = ≥ 24 次观测；观测数少于 12 次时只报计数不报比例。

Control

同一个 bundle_digest 由两名操作员在不同机器上各算一次，必须相同；打包脚本在两台机器上运行应产出字节相同的压缩包（构建可重复性对照）。镜像与主站互为对照。

Statistical treatment

I、M、镜像一致性均为零容忍闸门，不做统计推断。A_t 是比例，报点估计 + Wilson 95% CI + n，并列出每次失败的时间与状态码（失效模式比失效率更有信息量）。版本历史用表格呈现，不做统计。

Reproducibility check

第三方的验证路径极短：下载包 → 运行 sha256sum -c SHA256SUMS → 按发布的规则重算 bundle_digest → 与文章正文中的 digest 比对。三步全部用通用工具完成，不需要信任我们的任何脚本。若我们后续静默修改了数据，读者手里的旧 digest 会立刻对不上——这正是把 digest 印进文章的意义。

Known pitfalls

①bundle_digest 的连接规则没写死，导致第三方算不出同一个值，绑定形同虚设。②覆盖发布：把 v1.0.0 的文件原地改掉，所有引用旧版的读者陷入不可解释的矛盾。③把平台整页 HTML 或整份 PDF 条款打包发布，越过引文边界。④许可栏留空或对第三方材料标成自有许可。⑤只发压缩包不发解压后的逐文件哈希，第三方无法定位是哪一份变了。⑥镜像用同步工具单向覆盖，主站被污染后镜像也被污染——所以镜像必须比对 digest 而不是盲目同步。

Risk

许可一旦发布事实上不可撤回（已被下载与镜像），因此首发前必须定稿。签名私钥丢失或泄漏都会破坏信任链，需离线保管并预先写好轮换与吊销的公告方式。发布第三方材料时宁可少发——被要求下架的成本远高于事前克制。

SUPPORTS / 可以确立：任何人拿到的这一份数据集，与我们发表文章时所用的那一份逐字节相同；可以确立版本沿革、每次更正的时间与原因；可以确立哪些文件是我方产出、哪些是第三方材料及其出处。

DOES NOT SUPPORT / 哈希只能确立完整性，不能确立正确性——一份被完美签名的错误数据仍然是错误数据。签名只能确立「持有私钥者发布了它」，不能确立发布者身份的真实性（除非公钥通过独立渠道被确认）。许可标注表达的是我们的意图与理解，不是关于第三方材料权利状态的法律判断；THIRD_PARTY.md 也无法确立第三方材料的引用一定被权利人接受。

发布前自检：用机器把「文章里的每个数字」按回数据集里

1. 实现 preflight.py，输出机器可读的 preflight_report.json：每项检查一条记录（check_id, name, severity, result ∈ {pass, warn, fail}, n_checked, n_failed, examples[≤5], ts_utc）。severity=blocking 的任一 fail 即中止发布。
2. 结构类检查：C01 所有表可按 RFC 4180 解析、UTF-8 无 BOM、LF 换行、列数恒定；C02 schema 校验零错误；C03 obs_id 唯一、非空、符合模式；C04 (metric_id, platform_id, run_id, seq) 组合无重复；C05 所有受控词表字段闭合。
3. 值与状态一致性：C06 status=ok ⟺ 恰一个 value_* 非空，其余状态下 value_* 全空且无哨兵值；C07 unit 属于该指标允许的单位集合；C08 每列的值域检查（比例统一用 [0,1] 还是 [0,100] 必须在 schema 声明并强制执行）；C09 ts_end ≥ ts_start、duration ≥ 0、seq 单调、ts_utc 落在 run 窗口内。
4. 算术恒等式：C10 所有 derived 行按公开公式重算，与发布值在发布精度上完全一致（差值 ≤ 0.5×10^(−d)，d 为发布小数位）；例如任何总成本类字段必须等于其各分项之和，不得手动微调。
5. 跨表引用：C11 观测表中的 platform_id 必须存在于 platforms.csv；每个 evidence_ref 必须在 MANIFEST 中存在且哈希匹配；每个 metric_id 必须有对应且版本一致的方法页。
6. 文章 ↔ 数据集绑定：C12 文章中出现的每一个数字都必须在 figures.csv 中登记（figure_id, claim_text_zh, metric_id, query 或 script 路径, expected_value, decimals, tolerance），由 preflight 按登记的查询在数据集上重算并与文章值比对，不一致即 blocking fail。文章中不允许存在未登记的数字。
7. 矛盾检测：C13 同一平台在 A 表被标 not_applicable、却在 B 表有该功能的 measured 行；证据日期晚于 run 结束时间；documented 行的 source_capture_ts 落在其声明有效期之外；同一 obs_id 在两个版本间数值变化却无 CHANGELOG 条目。
8. 覆盖与不确定度：C14 按 P3 计算覆盖率并施加 0.80 / 0.50 闸门与 0.20 平台极差警戒；C19 有效数字检查——发布小数位不得超过 resolution 与不确定度允许的位数（例如 unc=±3 ms 时不得报到 0.1 ms）。
9. 边界句检查：C20 每条结论在 claims.csv 中登记（claim_id, claim_text, evidence_type ∈ {measured, derived, documented, third_party}, supporting_obs_ids）。evidence_type=measured 的结论必须至少引用一条 measured 行；只有文档类支撑的结论必须携带边界句（形如「这只能确立平台在 T 时刻如此表述，不能确立其实际行为」），缺失即 fail。
10. 继承 P4 的泄漏扫描（C15，闸门 0 命中）、P2 的时钟闸门（C16）、P5 的完整性与许可检查（C17：MANIFEST 每个文件有 license；第三方文件必须出现在 THIRD_PARTY.md）、C18 平台名规范化（正文与表格中的展示名必须来自 platforms.csv 的 canonical_name）。
11. 植入缺陷自校验（仪器自校验）：维护 fixtures/seeded/ 共 25 份，每份在合法夹具上只植入一种已知缺陷（加 BOM、去时区、用 −1 哨兵、重复 obs_id、哈希不匹配、孤儿 evidence_ref、单位错配、词表外取值、status=not_measured 却有值、把文章数字改动一位、把 not_applicable 的举证删掉、跨表矛盾、精度超限、许可留空、第三方文件未登记等）。要求检出率 25/25；漏检任何一种，视为校验器不合格，其「全绿」结果无效。
12. 两人规则：preflight 必须由未参与该批次数据采集的成员运行并签署，记录 preflight_run_by 与 preflight_signed_by（二者可同人但都不得是数据生产者）。签署即对外承诺：所有 blocking 项为 pass，所有 warn 项已逐条给出接受理由。
13. 人工抽验：从已发布单元格中随机抽 30 个（跨指标、跨平台分层），由未记录这些行的操作员仅凭证据独立复读其值，计算单元格级证据吻合率 E。E 的点估计 ≥ 0.95 且 Wilson 95% 下界 ≥ 0.85 方可发布，否则该批次全量复核。

Quantity measured

自检通过情况：blocking_fail = severity=blocking 且 result=fail 的检查项数，发布闸门 = 0；warn_accepted = 被接受的告警数（每条须有书面理由）；植入缺陷检出率 D_seed = 被检出的植入缺陷数 / 25，闸门 = 1.000；文章数字重算一致率 F = |x_recomputed − x_published| ≤ 0.5×10^(−d) 的数字个数 / 文章中登记的数字总数，闸门 F = 1.000；单元格级证据吻合率 E = 复读与发布值一致的单元格数 / 30。

Fixed parameters

人工抽验 n=30：在真实吻合率 0.97 附近，n=30 的 Wilson 95% 下界约 0.85，恰好能把「几乎无误」与「系统性录入问题」区分开，同时约合 1.5–2 人日，符合 4 人团队预算。植入缺陷 25 种：覆盖本规范全部闸门类别各至少 1 种。数字比对容差 τ = 0.5×10^(−d)（d 为该数字在文章中的小数位），计数与字符串要求精确相等。

Sample size

C01–C20 全部为普查：覆盖发布包中每一行、每一个单元格、文章中每一个登记数字。植入缺陷对照固定 25 份。人工盲读抽验 n=30，按 metric_id × platform_id 分层随机（每个平台至少 4 个，保证不会有平台完全落空）。若首轮 E 未达闸门，第二轮改为 n=100 的全面复核。

Control

运行者与数据生产者分离（两人规则）；人工抽验的复读者不得是原记录者且不看原值（盲读）；植入缺陷夹具作为已知答案对照，用于验证校验器本身而不是数据。每次发布都重跑全部对照，不复用上次结果。

Statistical treatment

闸门类指标（blocking_fail、D_seed、F）不做统计推断，是发布前置条件。E 是比例：报点估计 + Wilson 95% CI + n，并列出所有不一致单元格的具体差异与成因分类（录入错、单位错、证据歧义、原值确实错）。warn 项逐条列出并附接受理由，不做汇总打分——把告警压缩成一个分数会让人不看细节。

Reproducibility check

preflight.py 与全部夹具随包发布，第三方可在自己的机器上对发布包重跑，应得到与 preflight_report.json 相同的结论（该脚本必须是确定性的：固定排序、固定 locale=C、固定浮点格式化）。第三方也可以只用 figures.csv 手工抽查几个数字——这是最低门槛的复现路径，不需要跑任何代码。

Known pitfalls

①校验器只检查「有没有值」不检查「值之间是否自洽」，于是内部矛盾的数据全绿通过。②文章后期改稿新增了一个数字却没登记进 figures.csv——所以 C12 必须扫描文章正文中所有数字形态的 token 并要求全部有登记，未登记即 fail。③把 blocking 降级成 warn 以赶发布时间：warn 的接受理由必须署名留档，让降级有成本。④用生产数据去测试校验器（数据全绿只能说明数据没触发规则，不能说明规则有效）——所以必须有植入缺陷对照。⑤preflight 由数据生产者本人运行签署，等于没有检查。

Risk

自检脚本本身可能有 bug 并给出虚假的全绿，这是本协议最危险的单点——植入缺陷对照与人工盲读抽验就是为此设置的双重保险，二者不得因赶工省略。若某次发布确实需要在 blocking 未清零时发出，正确做法是缩小发布范围（撤下未过闸的表）而不是放宽闸门。

SUPPORTS / 可以确立：发布包内部自洽（结构、值域、算术、跨表引用、时间、覆盖、精度、许可），文章中的每一个数字都能由公开数据集重算得出，且这套检查本身经过已知缺陷对照验证过是有效的；还可以确立检查由数据生产者之外的人执行并签署。

DOES NOT SUPPORT / 不能确立数据反映了外部现实——自洽不等于真实：一批采集方法有系统偏差的数据可以完美通过全部 20 项检查。也不能确立不存在我们未曾设想的缺陷类别：D_seed=25/25 只说明校验器能抓住我们已知的 25 种问题，检出率是对已知缺陷集的检出率，不是对全部可能缺陷的检出率，方法页必须这样表述。人工抽验的 E 只覆盖已发布单元格，对被记为 not_measured 的部分毫无信息。

独立复现演练与《复现说明》：让一个陌生人在一台干净机器上重算出全部数字

1. 撰写 REPRODUCTION.md，必须包含十项：①本数据集是什么、dataset_version 与 bundle_digest；②对应的规范版本与方法页链接；③环境要求（操作系统、Python 版本、依赖及其锁定文件 requirements.txt 带哈希或 uv.lock；可选 Dockerfile 并固定基础镜像摘要）；④从原始数据到全部已发表数字的确切命令（目标是一条：make reproduce）；⑤预期产物清单及其 SHA-256；⑥容差表：逐个 figure_id 给出判定一致的容差与理由；⑦本数据集无法复现什么（见下条）；⑧如何重新测量（协议链接、所需账户与资金区间、风险提示）；⑨勘误与联系渠道；⑩异议流程：任何平台或读者可提交证据请求更正，我们复核后以版本号 bump + ERRATA 条目的方式公开处理，不静默改数。
2. 在 REPRODUCTION.md 首屏用一整段区分两个概念，且此后全刊物统一使用：计算可复现（computational reproducibility）= 同一份数据 → 同样的数字，是确定性的，闸门 100%；经验可重复（empirical replication）= 新的测量 → 相近的数字，本就会波动，不设闸门。把两者混为一谈是评测行业最常见的过度承诺，本刊物明确拒绝。
3. 保证确定性：固定随机种子并写进配置、固定排序键（含并列时的次级排序键）、固定 locale=C、固定浮点输出格式（一律用定点字符串格式化后再写盘，不用平台默认的 repr）、避免依赖字典/集合的遍历顺序、打包固定 SOURCE_DATE_EPOCH。任何无法确定化的步骤必须在容差表中标明并给出容差来源。
4. 阶段 A 冷启动内部演练：由未参与构建流水线的操作员，在一台干净机器（或全新容器）上，只用公开发布包，从零开始执行 REPRODUCTION.md。全程计时并记录：TTFF（拿到第一个数字所需分钟数）、总耗时、每一次卡壳、每一处需要口头询问才能继续的步骤。每一个「需要问人」的地方都记为一个文档缺陷 D_doc。
5. 修复—重演循环：修完文档缺陷后，换另一名操作员再跑一次，直到 D_doc = 0 且两次运行输出的哈希一致。两次运行必须在不同机器上完成（排除某台机器的残留环境）。
6. 阶段 B 外部尝试：邀请 ≥ 1 名团队之外的志愿者仅凭公开发布包复现，不提供任何私下协助（他们的每个提问都记为文档缺陷）。外部复现只涉及计算复现，绝不要求志愿者开户、充值或花任何钱。经其同意后原文发布其报告（含失败与吐槽），并公布尝试次数与结果。
7. 逐 figure 比对：对 figures.csv 中的每个数字，用复现产物与已发表值比对，按容差表判定；输出 reproduction_report.csv（figure_id, published_value, reproduced_value, abs_diff, tolerance, verdict）。任何一个 verdict=mismatch 都必须在发布前解决——要么是脚本非确定，要么是发布值本身错了，两者都必须查清。
8. 再测量的边界说明：如果条件允许做一次小规模再测量（例如同一指标隔 4 周重测），把结果作为「漂移」发布：报告差值分布与时间间隔，并明确写出漂移不等于错误——平台会变、市场会变，这正是我们要按版本发布数据集的原因。再测量不是对旧数据的否定。
9. 把复现能力本身作为可发布指标：每个发布周期公布 R_c、TTFF、总耗时、D_doc、外部尝试次数与成功次数。这组数字随时间的变化，是这份刊物是否真的在变得更可复现的唯一诚实证据。

Quantity measured

计算复现一致率 R_c = 满足 |x' − x| ≤ τ_f 的数字个数 / 已发表数字总数，其中计数与字符串 τ_f = 0，浮点 τ_f = 0.5×10^(−d)（d 为发布小数位），含重采样的统计量在种子固定下应为 0 差异；发布闸门 R_c = 1.000。文档缺陷数 D_doc = 复现者需要额外询问或自行猜测才能继续的步骤数，二次演练闸门 D_doc = 0。冷启动耗时 TTFF 与 T_total（分钟），报告 ≥2 次独立运行的中位数。外部复现成功率 = 成功完成的外部尝试数 / 外部尝试总数（如实报告，无闸门）。

Fixed parameters

容差 τ_f 完全由发布精度决定，不允许为了让数字对上而放宽——若必须放宽，说明发布精度虚高，应减少小数位而非增大容差。内部冷启动演练 ≥ 2 次（不同人、不同机器）。外部尝试每个发布周期 ≥ 1 次。演练环境要求「干净」：全新容器或刚重装的系统，禁止使用采集机（采集机上残留的凭据与缓存会掩盖文档缺陷）。

Sample size

复现的单位是整个数据集与文章：R_c 覆盖 figures.csv 中 100% 的数字（普查，不抽样）。演练次数：内部 ≥ 2、外部 ≥ 1 每发布周期。若做再测量漂移，每指标每平台 ≥ 20 个配对观测才报告分布，少于 20 只报个案并明确标注 n。

Control

演练者与流水线构建者严格分离；演练者只能访问公开发布包，私有仓库对其关闭（用权限而非自觉来保证）。两次内部演练在不同机器上进行，互为对照。外部尝试是最强对照——它同时检验了发布包、文档与我们的自我认知。

Statistical treatment

R_c 是闸门型比例，报分子分母原值。TTFF 与 T_total 是长尾时间量：报中位数与全部原始观测（n 很小，画点而不是画箱线图，禁止只报平均值）。D_doc 报计数与逐条清单。再测量漂移报差值的中位数、IQR、p10/p90 与配对数 n，并明确声明这是漂移不是误差，不构成对任一平台的评价。

Reproducibility check

这一条本身就是给第三方的验证程序：他们做的正是我们在阶段 A/B 做的事。为让第三方能核对我们没有偷懒，drill_log.csv 与外部报告一并发布，读者可以看到我们的复现演练花了多久、卡在哪里。仪器自校验：在一次演练中故意使用一份被篡改的发布包（改动一个数值），流程应当在 reproduction_report 中产生 mismatch 并被发现——若发现不了，说明比对环节形同虚设。

Known pitfalls

①在采集机上做冷启动演练，机器里残留的凭据、缓存和环境变量让流程「看起来能跑」。②口头指导演练者，导致文档缺陷被消化在对话里而不是被记录。③承诺「任何人重测都会得到相同数字」——这是不可能的，也会在第一次被人重测时反噬。④浮点格式化随平台变化导致输出哈希不一致，被误判为数据问题。⑤要求外部志愿者开户或出资，这既不道德也会让复现变成少数人的特权。⑥容差表按「让结果通过」反推，等于取消了这项检查。

Risk

外部复现者可能公开指出我们的错误，这是设计意图而非风险；预先约定：外部报告原文发布、不删负评、发现的错误按勘误流程处理。真正的风险是把复现演练做成走过场（自己人跑一遍自己写的脚本），因此「演练者与构建者分离」与「干净机器」两条不可妥协。计算复现不涉及任何真实资金；一切需要真实资金的再测量属于其它 AXP-* 指标的范围，其金额区间与风险由那些协议各自声明，本协议只要求把金额、币种与风险提示随数据一并发布。

SUPPORTS / 可以确立：文章中的每一个数字都能由公开发布包在独立环境中被重算出来，重算路径已被至少两名未参与构建的人走通，并量化了走通所需的时间与文档缺陷数；也确立了我们对「哪些东西不能被复现」的说明是事先写明的而非事后辩解。

DOES NOT SUPPORT / 不能确立测量结论为真——计算可复现只保证从数据到数字这一段没有黑箱，不保证数据本身正确、方法本身无偏、样本本身有代表性。也不能确立后续重测会得到相同结果：市场、平台版本、费率与政策都会变，任何再测量的差异都不能自动解读为哪一方出错。对 documented 类结论，复现只能确立「我们当时抓到的文本被正确地转成了数据」，无法确立平台的实际行为——这条边界必须在 REPRODUCTION.md 与每篇文章中重复出现。