## 读非对角条件中的相反预测

## 解释、算例与证据

# P62 · 把位置与关系拆开，解释才会分叉

四格的非对角条件才使两种解释分叉。逐格比较关系规则与左色规则的答案，并检查当前素材还有哪些变量共同变化。已保存的真实 CLIP 拼贴反例使用另一组输入与数值，应按各自条件解读。



图内标签与数值：红衣人持球；蓝衣人持球；左侧；红衣；左侧；蓝衣；持球规则 → 红　左侧规则 → 红；持球规则 → 蓝　左侧规则 → 红；持球规则 → 红　左侧规则 → 蓝；持球规则 → 蓝　左侧规则 → 蓝；非对角条件让两个解释分歧。图为同源编辑/镜像；镜像也改变姿态方向，未声称逐像素单变量。

四条件表的行固定左侧衣服颜色，列固定持球者颜色；非对角条件使持球规则与左侧规则分歧。

- 红衣人持球
- 蓝衣人持球
- 左侧
- 红衣
- 左侧
- 蓝衣
- 持球规则 → 红 左侧规则 → 红
- 持球规则 → 蓝 左侧规则 → 红
- 持球规则 → 红 左侧规则 → 蓝
- 持球规则 → 蓝 左侧规则 → 蓝
- 非对角条件让两个解释分歧。图为同源编辑/镜像；镜像也改变姿态方向，未声称逐像素单变量。四条件表的行固定左侧衣服颜色，列固定持球者颜色；非对角条件使持球规则与左侧规则分歧。 [查看对应图解状态](/#/l3-r2-p62/1)[查看完整图解](/course/figures/l3-r2-p62-1.html)

## 课堂讲述

现在选择红衣人在左、蓝衣人在右侧持球的对应条件。真正根据持球关系的规则应该选择蓝衣人；只看左边颜色的规则仍然选择红衣人。另一张对称条件也可以做同样的检查。
这就是为什么问卷要求改变条件，而不是只增加同类成功截图。对两个解释来说，原来一样的预测现在不一样了，结果才具有区分力。
即使模型通过这组比较，我们也只得到关于这些条件的证据，不自动证明它理解所有动作关系。但我们已经比“回答看起来不错”前进了一步：能够说明当前测试在区分什么。下一步，让语言直接要求输出那个对象的区域，又会引入什么新监督？
这里的同源照片经过颜色编辑和镜像，持球者的人物身份没有独立变化；我们用它区分图上这两条规则，不把它说成排除了所有替代解释。


### 四条件怎样让解释分叉，哪些变化仍然绑定
[独立阅读](/course/blocks/relation-four-condition-table.html)
增加右侧持球的条件后，同一候选 A/B 产生下表：



| 条件 | 左侧颜色 | 持球者颜色 | 持球关系规则 | 左色规则 |
| --- | --- | --- | --- | --- |
| A | 红 | 红 | A | A |
| B | 蓝 | 蓝 | B | B |
| C | 红 | 蓝 | B | A |
| D | 蓝 | 红 | A | B |



真正有区分力的是 C/D。只看 A/B 的满分无法区分两条规则；C/D 上如果预测追随持球者，则对关系解释提供更多支持。误差还可以细看：模型是否两种持球颜色都能区分，是否只在某一种词序或某位人物上成功。



当前素材的 A/B 同源，B 是颜色编辑；C 是 B 的精确镜像，D 是 A 的精确镜像。因此镜像同时改变位置、朝向和光照方向，持球者也仍是同一人物。这是一组针对已写明两条规则的对照，不是“只改变一个像素属性并排除所有解释”的实验。要排除人物身份捷径，需要另安排不同人物持球的输入；要排除文字模板捷径，还应换表达但保持任务关系。



教师可以指着非对角两格问：如果模型只看左边，会分别选什么？答案不是再背“相关不等于因果”，而是当场写出 A/B 两个不同预测，再用实际输出裁决这一次对照。


#### 图示条件与公式约定

行是左侧衣服颜色（红/蓝），列是持球者颜色（红/蓝）；左上 A、右上 C、左下 D、右下 B。C 是 B 的精确水平镜像；D 是 A 的精确水平镜像。两条规则预测分别为：A 红/红，C 蓝/红，D 红/蓝，B 蓝/蓝。镜像同时改变人物位置、朝向、光照方向；而且本组持球者都是同一位女子，所以本对照只区分所展示的颜色位置规则与持球颜色规则，不足以排除性别/人物身份等其他解释。稿中“把球交给右边”改写为“选择右侧持球的对应条件”，与实际素材变换一致。


#### 这条线索的展开与后续阅读

- [让右边的人拿球，两条规则就分开了](/supplement.html?return=l3-r2-p62/0#/l3-relation-test/0) 本页说明
## 把规则四格与真实模型反例分开读

规则表提出可区分的预测；真实模型证据还需核对具体输入、文字与保存分数。

### 真实 CLIP 关系反例与规则四格，应分开读
[独立阅读](/course/blocks/clip-spatial-counterexample.html)
持球四格首先是一份规则预测表；它与 LAB04 另一组真实 CLIP 关系推理不是同一证据。后者使用猫和宇航员的固定拼贴，交换左右位置，比较“猫在左、宇航员在右”及其相反描述。



2026-09-22 保存结果中，猫左图的两句余弦约为 0.37850、0.38184；交换后约为 0.35660、0.36301。两图都偏向“宇航员在左、猫在右”，所以第一张关系判断错误。这说明在该固定模型、拼贴与文字条件下，整体匹配没有正确区分这一次左右绑定。



但同一模型在猫图候选分类和小图库检索中有真实成功，不能用这个失败抹去对象匹配能力。更准确的研究问题是：哪些对象和语义可以由全局表示稳定匹配，哪些细粒度关系需要更合适的空间组织、交互或训练资料？



LAB12 的局部加权规则提供另一种解释路径：查询改变了猫/宇航员区域权重，却因汇总公式忽略坐标而对交换左右严格不敏感。这个失败来自可指出的结构对称性。它帮助区分“区域更多”与“关系已经被表达”，再自然接入 P63 的定位任务。以上均为已有历史记录，本轮没有重跑或扩大结论。



LAB04 的旧四幅持球插图也确实在 2026-09-22 做过真实 CLIP 编码，保存结果为四例中三例正确；它并非从未运行过模型。但那四幅旧输入与 v18 当前同源编辑/镜像的 A–D 底图不一致，且旧插图存在背景和姿态差异。旧分数不能贴到当前四格，也不能把 3/4 当成单变量因果结论。回链阅读时要连同原图片、候选和输入哈希一起核对。


### 沿着图解追问

以下是备课用的模拟师生对话，不是课堂实录。

**学生：**四格都对就证明理解持球关系了吗？

**教师：**它支持这组输入中关系规则胜过左色规则。当前持球人物身份未独立变化；要排除身份捷径，还要换持球者而保持其他条件可比较。

## 沿这个问题继续

先回看本页画面并指出输入、条件和输出，再按“四条件怎样让解释分叉，哪些变化仍然绑定 → 真实 CLIP 关系反例与规则四格，应分开读”阅读。相关实验以其已保存结果为起点，需要动手时再顺序执行 Notebook；


#### 按问题回查的讲解与短练习（2）
**出处：**[S12 · 教材与出处](/course/round2-sources.html#S12)