结论
新加坡国立大学与复旦大学团队公开的预印本 Type-Safe Is Not Error-Free 研究类型化决策模型的语义可靠性，结论是类型安全只保证输出落在预设选项集合内，不保证模型真正读懂选项定义。作者在1200个带任务专属定义的工作流二值决策上交换选项名与定义绑定，发现把定义不变、仅把背后选项名从0/1换为no/yes的同一结构操作带来每百题多改变70.4个答案，AUC从约0.94跌至约0.23，呈系统性反转而非一般不确定。以下数字均为作者自报，尚未经过同行评审与独立复现，不应视为普遍或已确立的事实。
研究状态与对象
该工作状态为预印本，arXiv提交历史为UTC 2026年9月22日17时38分12秒，对应Asia/Shanghai 2026年9月23日1时38分12秒，属于当日窗口内首次公开。责任主体为新加坡国立大学与复旦大学，研究对象是面向软件直接消费的受约束决策头，特别是输出经掩码归一化后类型错误率恒为0%的条件下，模型概率质量落在选项名还是落在选项定义上的归属问题，而非自由文本生成的流畅度或单点准确率。验证覆盖Jev及两类Jev-like开放权重模型与一家厂商托管模型，未声称覆盖全部决策式模型。
方法与评估条件
该研究为免训练的对照审计方法，核心是标签与定义交换工具。对齐臂按发布原样把每个选项名绑定自身定义，交换臂仅交换两定义分属的选项名，问题、状态、定义文字、选项集合字节级不变，金标准始终跟随定义。同一结构操作另以无极性的0/1与A/B为对照臂，分离重绑定成本与语义极性影响。数据为1200个二值工作流决策，覆盖发票对账、智能体轨迹分诊、安全告警分类与客服升级4个谓词各300题，金阳性率0.5750，另有600题因通用定义首词与极性混杂被排除主数字。对齐臂同时作为能力筛查，四谓词平衡准确率为0.7857至0.9310，AUROC为0.9141至0.9867，指标含平衡准确率、AUROC、翻转率及相对中性对照的双重差分与2000次聚类自助95%区间，托管模型另测字节相同重复提问的复测基线。
数据范围与主要结果
作者报告的范围限于上述受控语料与三类读出：一、no/yes交换改变76.92%答案，中性0/1仅改变6.50%、A/B仅改变6.00%，对照差为70.42个百分点，平衡准确率从0.8719跌至0.2839而对照几乎不动；二、失败为自信反转而非模糊，AUROC从0.9376跌至0.2315，反转交换后分数可恢复至0.77，阈值重调无法修复；三、逐谓词成立，no/yes在四谓词上最低改变56.7%，中性对照最高仅11.3%，逐谓词至少为对照的7.4倍；四、683题多选项中仅把成员名换为中性字母即改变52.42%答案，准确率从0.5637跌至0.2782，轮换误导名则改变79.65%跌至0.1552；五、读出几何决定量级，全跨度均值读出no/yes仅改变19.50%，标记读出达80.50%，相差4.1倍，托管模型改变32.50%而中性对照约2%，差值30.42个百分点，AUROC从0.8146跌至0.5806，为复测基线约1.33%的24倍；六、随机字符串不透明名回落至中性区间且对齐准确率保留在0.03以内。全条件类型错误率均为0%。以上均为摘要与正文自报结果。
局限与待验证事项
第一，该工作为预印本，未经同行评审，需独立复现才能确认。第二，结论限1200题二值工作流决策、4个特定谓词与683题多选项池，以及两个开放权重检查点与一个黑盒托管模型，未验证开放域对话、长上下文问答与其他厂商决策接口的迁移能力。第三，厂商文档与对照表均取自2026年9月22日，托管模型权重不可见且非确定性，其机制解释弱于本地读出，需结合全文与发布工具核查仓库版本与复现包。第四，极性与训练词表熟悉度交织，熟悉极性词额外增加约16个百分点，中性名虽稳健但可读性差，实践取舍未给出通用部署阈值。第五，对比为特定基座、读出温度与努力配置下的作者结论，0%类型错误为掩码归一化的结构引理，不构成能力排名或普遍安全保证。
潜在意义
编辑解释：如果后续独立复现成立，该工作的意义在于把类型安全与语义正确分开度量，提示在软件直接消费决策的部署中不能把模式合规当作理解证据，评估需在报告类型错误率旁同步报告交换审计、AUROC与中性对照差，并优先考虑能稀释单 token 名影响的读出设计与随机名压力测试。这对做工作流审批、安全分诊与智能体工具编排的工程团队有直接参考价值。但在当前证据下，读者应将其视为特定语料与特定读出上的作者结论，而非机构宣传或行业普遍结论，选型前需在自身谓词、选项命名与服务路径上复测翻转率与排序质量。