人工复核标准变化后误报统计还有意义吗?

一个常见的场面：报表上误报率明显抬头，算法团队被叫去解释,可翻查下来模型版本没动、阈值没调、现场也没换相机。真正变的是复核那一环——审核团队换了人，或者对"可接受范围"重新划了线。于是问题变成一个挺尴尬的追问：如果判定标准自己会漂，那这条曲线还能读吗？

变的是分母还是分子

误报统计本质是把模型输出和人工结论做对照，人工结论既是分子的来源，也隐含着口径这个前提。标准一变，等于中途换了尺子。此时同一批图像可能得出不同的误报量，而模型输出一个字都没改。这种情况下,把曲线上升解读成"模型退化"，几乎注定把整改责任推到错误的环节。

但也不必因此得出"统计没用"的结论。更准确的说法是，它此刻失去的是跨期可比性，而不是全部信息量。它仍然告诉你：业务侧现在认为有一批结果不能接受。这是真实的运营信号，只是信号源头不在模型那边。

让它重新变得可读

原文里那套做法其实给了答案：先冻结口径，再谈数字。明确误报定义、统计窗口、涉及类别和复核标准，让不同团队至少共用同一个分母。接着做盲审——让熟悉业务标准的人在看不到模型预测的情况下重新判定同一批样本，并记录一致和分歧的原因。

盲审最有价值的产出往往不是"谁标错了"，而是一致性本身。如果同一批样本在不同复核人员之间频繁得出不同结论，问题就不在模型，而在规则没能覆盖模糊边界：正负样本的分界、不可判定样本怎么处理、什么情形要升级确认、意见冲突谁来裁决。这些补齐之后，误报统计才重新具备解释力。

顺带一个容易被忽略的风险：那些人工自己都判不稳的图像，如果被当成强标签直接喂进训练，等于把业务歧义固化成模型噪声。弱光、反光、遮挡、目标不完整的画面尤其如此。

与其盯一个数字

标准会随业务演进而调整，这件事本身不是故障。真正的隐患是调整没有留痕，也没有与统计口径同步。把标注规范、审核规则和业务判定标准的变更记录，与告警量、模型版本、现场维护放到同一条时间线上，误报曲线的每一次跳变就有了可核对的解释。

所以那个问题的答案大概是：误报统计依然有意义，但它衡量的是"模型输出与当前业务标准之间的差距"，不是模型能力的绝对刻度。跨期比较之前，先确认尺子有没有换过——这一步省不掉。