一句话：LLM 应用里到处都是决策（门、路由、早停、选择、预算），但它们散装在各处。 本模块把它们抽成一个统一的决策核：决策点按类型声明，判定器沿确定性光谱路由， 每次决策落一条不可变的证据链——并且开放决策的默认判定器是"合并"而不是"挑选" （fusion F1 0.716 vs 最好单候选，实测见下）。
作者：Saycho-Finally（独立研究者） ｜ AI 使用声明见 AI_DISCLOSURE.md ｜ License: MIT ｜ 核心零依赖 ｜ Python ≥3.10
- 决策 = 选项集构造（上游）+ 选项内选择（本模块）。决策模型只做后者，
价值天花板被前者封死——因此本模块拒绝受理无 coverage 证据的开放决策
（候选集里没有的东西，选不出来）。coverage 存在但不足时不拒绝，而是
降级受理：结果保留，但置信度折半、
shift_risk强制为 high、记录标注degraded。 - 判定器可靠性分场景：分布内小模型匹敌大模型（BERT-210M 判别 GSM8K 98.8%）； 分布移位下 LLM judge 退化到近随机（arXiv 2603.06594，6642 人工标注）。 因此判定器按决策点声明路由，不默认 LLM。
| 类型 | 语义 | 判定器 | 例子 |
|---|---|---|---|
verifiable |
谓词判定（开放空间，无候选集） | 程序验证器（确定性，零成本） | 数值验证、schema 检查、票型收敛 |
enumeration |
封闭枚举选择（完备性由协议保证） | 规则 → 探针 → 微模型 | 模型路由、工具选择 |
open |
上游采样构造的候选集 | 必须附 coverage 证据；默认判定器为 fusion | 答案 selection、评审挑选 |
route |
专家注册表上的能力匹配 | capability 契约匹配（deterministic 优先） | 能力路由、组件选择 |
program_verifier（$0，确定性）→ rule_engine（$0）→ majority_vote（$低）
→ fusion（合并替代选择）→ small_probe → micro_decision_model
→ llm_judge（末档，恒带 shift_risk=high）
规则：沿光谱从左往右找第一个能处理该决策点的判定器。升级到 llm_judge 需要 三条件同时成立（无谓词 + 枚举不完备 + 声明低移位风险）——实践中几乎不发生。
任务：5 段含已知 bug 的 Python 代码（15 个 gold bug，全部执行级验证）× 6 路采样评审 × 五档判定器对照（30 个候选，Flash low 档采样）：
| 判定器 | 均值 F1 | 说明 |
|---|---|---|
| 最好单候选（selection 上限） | ~0.6 | selection 的天花板 |
| deterministic fusion（零 LLM 聚类） | 0.216 | 机械并集的底线 |
| LLM fusion（Fusion-of-N 式） | 0.716 | recall 全 1.0；单任务满分零误报 |
结论：可分解任务上，"合并候选"显著优于"挑选候选"—— 与 Fusion-of-N（ICLR 2026）的结论互证，且本模块把它落成了判定器光谱的一个正式档位。
每次决策落一条不可变 DecisionRecord（JSONL append-only）。实际产出示例见
results/e2_decisions.jsonl 与 results/e2_llm_fusion_audit.jsonl：
{"decision_id": "a1b2c3", "ts": 1790000000.0,
"point_name": "answer_selection", "point_type": "open",
"solver": "majority_vote(value_key)", "confidence": 1.0,
"coverage_evidence": {"n_candidates": 4, "source": "sample(low, n=4)"},
"alternatives": {"12": 3}, "shift_risk": "low",
"result": "12"}from decisioncore import DecisionCore, DecisionPoint, DecisionType, CoverageEvidence
dc = DecisionCore(audit_path="decisions.jsonl")
# verifiable：程序谓词（零成本，确定性）
dc.decide_verifiable(
DecisionPoint(name="check", type=DecisionType.VERIFIABLE,
predicate=lambda x: x == "42"), subject="42")
# open：上游采样 + coverage 证据 + 多数投票
rec, winner = dc.decide_open(
DecisionPoint(name="pick", type=DecisionType.OPEN,
candidates=["3*4", "2*6"],
coverage=CoverageEvidence(n_candidates=2, source="sample(low,2)")),
vote_keys=["12", "12"])decisioncore/ 核心库（core 类型学 / solvers 光谱 / registry 专家表 / route 路由决策）
migrations/ 迁移适配器包（黑盒注入原判定函数，逻辑零重写）
tests/ 67 项测试全过（核心七测 + 路由切换十测 + 运行时五测 + 迁移等价性十五测 + coverage 降级十九测 + outcome 回填十一测）
results/ E2 实测数据与证据链审计产出（JSON / JSONL）
reports/ DecisionCore 验证实验报告（迁移等价性 / 开放决策实证）
e2_task_family_a.py 任务族 A：5 段含已知 bug 的代码 + 15 个执行级验证的 gold bug
validate_task_family.py 任务族真实性校验（gold bug 的"构造即验证"复现检查）
SPEC.md 完整设计文档（类型学 / 光谱 / 审计 / 理论约束）
E2_experiment_design_v2.md 实验设计与文献锚点
依赖方向：核心零依赖；migrations/ 需要被迁移组件的原实现（可用
PPB_SAMPLE_ROOT / PPB_CACHE_ROOT / PPB_KNOWLEDGE_EXPERIMENTS 覆盖路径）；
外部组件缺失时相关用例记为跳过，不影响其余部分。
- 降级判定器（字符级相似度）不适用于语义演化场景——生产用法应注入嵌入或 LLM 判定
- 判定器光谱的 probe 与 micro 两档当前为接口占位，未实现具体模型
- E2 的答案一致率口径为粗提取（正则），绝对数值被系统性低估（结论方向不受影响）
tests/test_runtime_cache_lm.py的内容门用例依赖外部组件，缺失时记为跳过，不计入通过数results/e2_task_a_results.json的scores段为第一轮退化口径（五个判定器的 F1 完全相同， 系该轮解析缺陷所致），仅应作为候选来源使用；有效对照见results/e2_llm_fusion_results.json
两类验证实验（迁移等价性 / 开放决策实证）的完整结果与口径见 reports/DecisionCore验证实验报告_2026-10-04.md。
- 核心七测：类型路由 / coverage 守门 / 审计不可变性 / registry 熵与饿死 / 末档标注
- 路由切换十测：route 决策（含 registry 审计快照）与运行时灰度开关等价性
- 运行时五测：CacheTier 判定与内容门 R1 的运行时路径与审计落盘
- 迁移等价性 15/15：早停 / 缓存层 / 内容门 R1 / selection 投票 / 覆盖守门 （黑盒注入原判定函数，同输入同输出）
- coverage 降级 19 测：充分性判定 / 充分路径不变 / 降级标记与置信度折半 / 降级压过高历史覆盖率 / 拒绝路径未被削弱 / 审计记录携带 degraded
- "Making, Not Taking, the Best of N"（ICLR 2026）：Fusion-of-N vs Best-of-N—— fusion 档位的理论来源（polylithic 质量观、超越 oracle）
- DVDR-LLM（ICSE 2026 LLM4Code）：多 LLM 集成漏洞检测 +10-12%——任务族 A 的同域先例
- Nolan Lawson 三 AI 多数决：bug 检测的工程同构
- GSA（arXiv 2503.04104）：open-ended 任务上 self-consistency 不适用而生成式聚合有效
- BERT-as-a-Judge / INSPECTOR：小判定器匹敌大模型的实证
- "A Coin Flip for Safety"（arXiv 2603.06594）：LLM judge 分布移位退化的审计
- 贡献指南见 CONTRIBUTING.md；行为准则见 CODE_OF_CONDUCT.md
- 安全问题请走 SECURITY.md 的私密渠道（勿开公开 Issue）
- 版本变更见 CHANGELOG.md；学术引用格式见 CITATION.cff
- 许可：MIT