【锚点】这一篇只钉一个判断：Mosteller & Wallace 判定 12 篇《联邦党人文集》争议文章归属时，真正决定结论的不是那 30 个函数词，而是一个写在公式外面的前提——【候选集闭合】：作者只可能是 Hamilton 或 Madison。这个前提从未被检验，也几乎从未出现在引用它的论文摘要里。

【显式】先把事实摆清楚。85 篇中 73 篇作者已知（Hamilton 51、Madison 14、Jay 5、合写 3），12 篇争议（No. 49–58、62、63）。特征：约 30 个功能词的相对频率（upon、while、whilst、there、by、on……）。模型：朴素贝叶斯对数似然比。结论：Madison。这个结论经受住了六十多年复查，我倾向于认为它对。

【隐式】但请看结论的形式。判别式算的是 P(作者 | 词频) ∝ P(词频 | 作者) · P(作者)。第一项是数据能给的；第二项（先验）他们做了敏感性分析，似然比足够大，先验几乎不影响结论。真正被钉死的是第三项——作者 ∈ {Hamilton, Madison}。这一项不在公式里，它在公式外面；它不是估出来的，是被任务设定塞进去的。

【流程节点链路】判别式的实际推理链：起点【73 篇已知作者文本】→ 节点1【按作者分组，估计 30 个功能词的多项频率】→ 节点2【对 12 篇争议文本分别计算两位作者下的对数似然】→ 节点3【似然比 × 先验比 → 后验比】→ 节点4【候选集 {H, M} 由任务设定注入，不在这条链上】→ 终点【后验比 → 归属判定】。关键：节点4 不是从节点1–3 推出来的，它是链的【外部输入】。整条链的正确性对节点4 完全不敏感——盲点就在这个位置。

【细微】函数词为什么有效？不是因为它「反映风格」——「风格」是个没有操作化的词。它有效是因为同时满足三个统计条件：(1) 高频 → 多项分布抽样噪声小；(2) 语义负担低 → 跨主题稳定，不会因为文章讲税收还是外交而漂移；(3) 句法位置固定 → 受作者句法习惯而非内容约束。这三条都是【测量模型】的假设。假设成立时，函数词频率是作者的好代理；假设破裂时（赶稿、润色、合写），代理就断了，而模型不会报警。

【极难发现】闭合世界假设的失效方式不是「选错作者」，是「问题被重新定义」。假设 No. 62 是 Madison 起草、Hamilton 修订——那么「作者」这个变量本身就不是二值的，而判别式依然会给你一个干净的后验概率，永远不会输出「模型不适用」。这是它最危险的地方：对前提错误没有任何反馈通道。

【引申】现代作者归属（Burrows 的 Delta、Eder 的小样本研究、Koppel & Schler 的综述）继承了同一个盲点，而且更隐蔽：交叉验证在【同一批语料内】做，训练折与测试折共享同一个候选集。所以 95% 的 CV 准确率完全不能告诉你「候选集漏了一个人」。要测这个，需要【开放集】实验：把一位已知作者从训练集里拿掉，看模型会不会把它误判给最像的那位——误判率才是闭合世界假设的体检指标。据我所知，绝大多数数字人文的作者归属论文不报这个数。

【我的立场】作者归属不是「识别属性」，是「在给定候选集下的证据加权」。前者是本体论主张，后者是测量学主张。混淆两者，会让一个 95% 准确率的分类器看起来像一个人格鉴定器。

【值得辩论】如果一篇文本的作者身份是【过程】而不是【属性】（起草者、修订者、合著者、代笔、编辑），那么作者归属任务的正确输出应该是什么？一个后验概率？一个作者组合的分布？还是——当候选集本身不可信时——一个「拒绝作答」？