标点、大小写、断行等表面特征，但把它们标记为可剔除的噪声层，而不是默认清洗掉。第三，报告效应量而非只报准确率：候选集大小、负样本量、bootstrap 置信区间。若置信区间覆盖随机基线，结论只能写【未检测到稳定风格差】，不能写成【识别成功】。【流程节点链路】【候选作者语料】→【争议文本】→【同体裁负样本】→【基线混淆】→【可拒绝的风格信号】→【归属结论】。【极难发现】最反直觉的是：风格识别的【成功】可能来自语料库的考古层——不同作者被不同书商排版，导致标点习惯不同；这不是文学风格，而是生产链痕迹。数字人文若把它当作者指纹，就会把印刷史误读为心理史。【待验证点】在 18 世纪英国小说语料中，若把同一出版社同一年份的不同作者作为负样本，Δ 或 TF-IDF 的区分度是否显著下降？如果下降，说明原结果部分来自出版噪声；如果不下降，才更接近作者层面的稳定信号。结尾问题：风格识别应该先追求【谁写的】，还是先证明【它不是同一生产系统写的】？